基于深度学习的发电站制冷水管焊缝图像检测

针对发电站制冷管射线图像的焊缝区域对比度较低、特征不明显,传统方法难以实现精确搜索的问题,提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法。利用限制对比度的自适应直方图均衡化限制图像统计直方图的幅度,抑制噪声放大,得到直方图的累积分布函数,以校正图像的低对比度;利用深度神经网络的24个卷积层提取输入图像的特征、2个全连接层预测图像位置和类别概率,实现水冷壁管焊缝区域的检测,以克服传统模板匹配精度低、时间复杂度高的问题。对100张制冷管射线图片按4∶1∶5分为训练集、验证集和测试集,利用训练集和验证集对深度神经网络进行训练,将图像送进训练好的模型,预测制冷管焊缝区域的位置。试验结果表明,基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索,准确率达到96%,搜索效率及准确度高。

DZF型烟气回收SO_2制冷发电站

以液氨为制冷作功工质，以高效除尘含硫烟气（ｔ＝１６０℃）为热源，依据ＤＺＦ循环，建设烟气回收ＳＯ２制冷发电站。输出冷量，满足冷量用户的需求，回收烟气中的ＳＯ２，用以发展工业生产与减少酸雨对生态环境的危害。

能源工业的可持续发展

利用低温工质制冷发电的方法，以低温工质为循环制冷作功工质，依托具有低品位热能的太阳能，地热能，工业余热与低污染的低品位工业热能为热源，建设发电站与制冷发电站，用以制冷与发电。以此来减少煤炭，石油，天然气的消耗量，抑制大气中ＣＯ２气体浓度的增加，减缓全球气候变暖。