ES2871982T3 - Dispositivo, sistema, programa, procedimiento y estructura de datos de estimación de la composición de los desechos - Google Patents
Dispositivo, sistema, programa, procedimiento y estructura de datos de estimación de la composición de los desechos Download PDFInfo
- Publication number
- ES2871982T3 ES2871982T3 ES18840599T ES18840599T ES2871982T3 ES 2871982 T3 ES2871982 T3 ES 2871982T3 ES 18840599 T ES18840599 T ES 18840599T ES 18840599 T ES18840599 T ES 18840599T ES 2871982 T3 ES2871982 T3 ES 2871982T3
- Authority
- ES
- Spain
- Prior art keywords
- waste
- composition
- instruction
- data
- pit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
- B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
- B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/44—Details; Accessories
- F23G5/442—Waste feed arrangements
- F23G5/444—Waste feed arrangements for solid waste
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F5/00—Gathering or removal of refuse otherwise than by receptacles or vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G5/00—Storing fluids in natural or artificial cavities or chambers in the earth
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/44—Details; Accessories
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2900/00—Special features of, or arrangements for incinerators
- F23G2900/55—Controlling; Monitoring or measuring
- F23G2900/55011—Detecting the properties of waste to be incinerated, e.g. heating value, density
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Incineration Of Waste (AREA)
- Image Analysis (AREA)
- Refuse Collection And Transfer (AREA)
- Processing Of Solid Wastes (AREA)
- Control And Safety Of Cranes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Un dispositivo (200) que comprende: una unidad de generación de datos de entrenamiento (220) adaptada para generar datos de entrenamiento asociados a una imagen capturada de desechos almacenados en una pozo de desechos; una unidad de construcción de modelos (230) que está adaptada para construir un modelo realizando un aprendizaje con los datos de entrenamiento; y una unidad de estimación (250) que está adaptada para introducir, en el modelo, los datos de una nueva imagen capturada de los desechos almacenados en un pozo de desechos, y para obtener un valor representativo de la composición de los desechos correspondiente a la nueva imagen.
Description
DESCRIPCIÓN
Dispositivo, sistema, programa, procedimiento y estructura de datos de estimación de la composición de los desechos
Campo técnico
La presente invención se refiere a un dispositivo, un sistema, un programa y un procedimiento para estimar la composición de los desechos en una planta de tratamiento de desechos.
Técnica anterior
En una planta de tratamiento de desechos, los desechos que incluyen varios componentes, tal como basura doméstica y desechos voluminosos triturados, ramas de poda, lodos, etc., se arrojan a un pozo de desechos. Los desechos, incluidos los distintos componentes, se arrojan juntos a un incinerador, en el que se aplica un proceso de incineración. En este sentido, en el caso de que la composición de los desechos arrojados al incinerador cambie repentinamente, al incinerar los desechos, la temperatura en el incinerador puede cambiar repentinamente, o se puede generar un gas o material venenoso tal como dioxina o similar; y, esto puede resultar en un problema ambiental.
Para tratar el problema anterior, por ejemplo, en el documento JP 5025120 A, los materiales de desecho generales y los materiales de desecho heterogéneos, que se arrojan a un pozo de desechos, se discriminan en función de los colores de los mismos, y los desechos en el pozo se agitan mediante el control de una grúa para que la composición de los desechos sea uniforme.
Sin embargo, en la técnica divulgada en el documento JP 5 025 120 A, es difícil discriminar entre materiales de desecho tales como desechos de cocina, plásticos, etc., que tienen colores similares y composición diferente, y también es difícil discriminar entre materiales de desecho tales como edredones, etc., que tienen composición similar y colores diferentes.
Además, se hace referencia al documento EP 1048900 A1 relativo a un procedimiento de control de la combustión que utiliza una cámara CCD para escanear los desechos capturados por una pinza y/o depositados en un eje de alimentación para el quemador, con análisis de imagen de la imagen de la cámara para identificar el material de desecho, con el correspondiente control de al menos un parámetro de combustión.
Sumario de la invención
Problema técnico
La presente técnica se ha desarrollado teniendo en cuenta el problema anterior; y un objeto que debe lograrse mediante la técnica es proporcionar un dispositivo, un sistema, un programa y un procedimiento que pueda estimar la composición de los desechos incluso si se mezclan en los materiales de que tienen componentes diferentes y colores similares y materiales de desechos que tienen componentes similares y colores diferentes.
Solución al problema
De acuerdo con la invención, se proporciona un dispositivo y un procedimiento según lo expuesto en las reivindicaciones 1 y 8, respectivamente, así como un programa, que hace que un procesador en una planta de tratamiento de desechos realice el procedimiento según la reivindicación 8. Otras realizaciones de la invención se describen, entre otras cosas, en las reivindicaciones dependientes.
(Modo 1) De acuerdo con el modo 1, se proporciona un dispositivo, y el dispositivo comprende: una unidad de generación de datos de entrenamiento que genera datos de entrenamiento asociados con una imagen capturada de desechos almacenados en un pozo de desechos; una unidad de construcción de modelos que construye un modelo realizando un aprendizaje utilizando los datos de entrenamiento; y una unidad de estimación que introduce, en el modelo, datos de una nueva imagen capturada de desechos almacenados en un pozo de desechos, y obtiene un valor que representa la composición de los desechos correspondientes a la nueva imagen.
(Modo 2) De acuerdo con el modo 2, el modo comprende el dispositivo del modo 1, en el que la unidad de estimación divide además la nueva imagen capturada de los desechos en múltiples bloques; con respecto a cada uno de los bloques, emite un valor que representa la composición de los desechos correspondiente a la nueva imagen; y genera un mapa de inferencia que asocia los valores emitidos que representan la composición de los desechos con los bloques respectivos.
(Modo 3) De acuerdo con el modo 3, el modo comprende el dispositivo del modo 2, en el que el dispositivo comprende además una unidad de instrucción que genera, en base al mapa de inferencia, al menos una de una instrucción para un dispositivo de control de grúa que controla una grúa y una instrucción para un dispositivo de control de combustión que controla un incinerador.
(Modo 4) De acuerdo con el modo 4, el modo comprende el dispositivo del modo 3, en el que la instrucción para el dispositivo de control de grúa es una instrucción para que una grúa mueva los desechos almacenados en el pozo de desechos; y la instrucción para el dispositivo de control de combustión es una instrucción necesaria para incinerar los desechos arrojados al incinerador.
(Modo 5) De acuerdo con el modo 5, el modo comprende el dispositivo de uno cualquiera de los modos 1 a 4, en el que los datos de entrenamiento se recogen a partir de al menos uno de los valores que representan una característica de los desechos identificados en base al historial de operación de una planta de tratamiento de desechos y una etiqueta que representa el resultado de la clasificación de la composición de los desechos, en la que la clasificación es realizada por un operador en base a los datos de imagen de los desechos en el pozo de desechos.
(Modo 6) De acuerdo con el modo 6, el modo comprende el dispositivo de uno cualquiera de los modos 1-5, en el que el valor que representa la composición de los desechos es un índice que representa la inflamabilidad de los desechos.
(Modo 7) De acuerdo con el modo 7, se proporciona un sistema de planta de tratamiento de desechos, y el sistema comprende: una unidad de generación de datos de entrenamiento que genera datos de entrenamiento asociados a una imagen capturada de desechos almacenados en un pozo de desechos; una unidad de construcción de modelos que construye un modelo realizando un aprendizaje utilizando los datos de entrenamiento; una unidad de estimación que divide una nueva imagen capturada de desechos almacenados en un pozo de desechos en múltiples bloques, introduce datos de los respectivos bloques de la nueva imagen en el modelo, y genera un mapa de inferencia que asocia valores que representan la composición de los desechos correspondientes con la nueva imagen con los respectivos bloques; y una unidad de instrucción que genera, en base al mapa de inferencia, al menos una instrucción para un dispositivo de control de grúa que controla una grúa y una instrucción para un dispositivo de control de combustión que controla una incinerador.
(Modo 8) De acuerdo con el modo 8, se proporciona un procedimiento para estimar la composición de los desechos almacenados en un pozo de desechos de una planta de tratamiento de desechos, y el procedimiento comprende: una etapa para generar datos de entrenamiento asociados con una imagen capturada de desechos almacenados en un pozo de desechos; una etapa para construir un modelo realizando un aprendizaje utilizando los datos de entrenamiento; y una etapa para introducir, en el modelo, datos de una nueva imagen capturada de desechos almacenados en un pozo de desechos, y obtener un valor que represente la composición de los desechos correspondiente a la nueva imagen.
(Modo 9) De acuerdo con el modo 9, se proporciona un programa, y el programa es el que hace que un procesador de la planta de tratamiento de desechos realice el procedimiento según el modo 8.
Breve descripción de los dibujos
La Fig. 1 es un diagrama esquemático de una planta de tratamiento de desechos en relación con una realización.
La Fig. 2 es un diagrama de configuración esquemático de un sistema de planta de tratamiento de desechos en relación con una realización.
La Fig. 3 es un diagrama de configuración de funciones de un dispositivo de procesamiento de información de una planta de tratamiento de desechos en relación con una realización.
La Fig. 4 es un ejemplo de construcción de un mapa de inferencia que muestra la correspondencia entre los datos de salida y las posiciones en un pozo de desechos.
La Fig. 5 es un diagrama de flujo que muestra el funcionamiento de un sistema de planta de tratamiento de desechos en relación con una realización.
Descripción de las realizaciones
En la siguiente descripción, las realizaciones de la presente invención se explicarán con referencia a las figuras. La Fig. 1 muestra un diagrama esquemático de una planta de tratamiento de desechos según una realización; y, en la Fig. 1, 1 denota un incinerador para incinerar desechos, 2 denota una caldera de calentamiento de desechos, 3 denota un pozo para almacenar desechos, 4 denota una tolva, 5 denota una grúa para mover los desechos del pozo 3 a la tolva 4, y 6 denota un dispositivo de imágenes para capturar una imagen de una superficie de desechos almacenados en el pozo 3. Asimismo, en la Fig. 1, 21 denota una plataforma, en la que los desechos recolectados por un vehículo de recolección de desechos 22 son arrojados al pozo de desechos 3 desde la plataforma 21.
La Fig. 2 muestra un diagrama de configuración de un sistema 100 para controlar la operación de la planta de tratamiento de desechos que se muestra en la Fig. 1. El sistema de planta de tratamiento de desechos 100 es un sistema configurado para estimar, en base a los datos de imagen capturados por el dispositivo de obtención de imágenes 6, un valor que representa la composición de los desechos, y controlar, en base al valor que representa la composición estimada de los desechos, la operación de la planta de tratamiento de desechos. El sistema de planta de tratamiento de desechos 100 comprende un dispositivo de procesamiento de información 200, el dispositivo de obtención de imágenes 6 para capturar una imagen en el pozo de desechos 3 (que se muestra en la Fig. 1), un dispositivo de control de grúa 110 y un dispositivo de control de combustión 120. El dispositivo de procesamiento de información 200 está acoplado de forma comunicable y mutua con el dispositivo de obtención de imágenes 6, el dispositivo de control de grúa 110 y el dispositivo de control de combustión 120, a través de una red tal como una LAN (red de área local) o similar construida en la planta de tratamiento de desechos, por ejemplo. El dispositivo de procesamiento de información 200 puede construirse mediante el uso de un ordenador personal, una estación de trabajo o un dispositivo servidor, o puede construirse mediante el uso de un ordenador portátil, tal como un terminal de tableta. A este respecto, debe recordarse que la construcción anterior es un ejemplo, y que la construcción a la que es aplicable la presente invención no se limita a la construcción que se muestra en la Fig. 2. Por ejemplo, el número de cada uno de los dispositivos e obtención de imágenes 6, el dispositivo de control de grúa 110, el dispositivo de control de combustión 120 y el dispositivo de procesamiento de información 200 puede ser dos o más de dos.
El dispositivo de obtención de imágenes 6 es un dispositivo que permite captar una imagen de la superficie de los desechos apilados en el pozo de desechos 3 y obtener datos de imagen que representan el interior del pozo 3. Por ejemplo, el dispositivo de obtención de imágenes 6 puede ser una cámara RGB para captar una imagen de forma y cromática de los desechos, una cámara de infrarrojos cercanos para captar una imagen de infrarrojos cercanos de los desechos, o una cámara 3D o una cámara RGB-D para captar una imagen tridimensional de los desechos.
El dispositivo de procesamiento de información 200 comprende un procesador 202, una memoria 204, una interfaz de comunicación 206 y un almacenamiento 208. En una realización, el dispositivo de procesamiento de información 200 genera, a partir de los datos de imagen que se transmiten desde el dispositivo de obtención de imágenes 6 y que representan el interior del pozo de desechos 3, datos de entrenamiento que deben suministrarse a un modelo de aprendizaje. Los detalles de las funciones ejecutadas en el dispositivo de procesamiento de información 200 se explicarán más adelante con referencia a la Fig. 3.
El procesador 202 está construido para leer un programa almacenado en la memoria 204 y ejecutar un proceso de acuerdo con el mismo. Como resultado de que el procesador 202 ejecuta los programas almacenados en la memoria 204, se ejecutan las respectivas funciones de procesamiento, que se explicarán más adelante. En una realización, el procesador 202 se realiza como un dispositivo como una CPU (Unidad Central de Procesamiento), MPU (Unidad de Microprocesador), un FPGA (Arreglos de compuertas lógicas programables en el campo), o similares.
La memoria 204 almacena temporalmente un programa y datos. El programa puede ser cargado desde el almacenamiento 208, por ejemplo. Los datos comprenden datos introducidos en el dispositivo de procesamiento de información 200, datos generados por el procesador 202 y datos cargados desde el almacenamiento 208. En una realización, la memoria 204 se puede realizar como una memoria volátil tal como una RAM (Memoria de Acceso Aleatorio) o similar. Los datos almacenados en la memoria 204 comprenden datos de imagen de los desechos capturados por el dispositivo de obtención de imágenes 6, datos de entrenamiento generados en base a los datos de imagen de los desechos, etc.
La interfaz de comunicación 206 comunica señales entre el dispositivo de obtención de imágenes 6, el dispositivo de control de grúa 110, el dispositivo de control de combustión 120 y el dispositivo de procesamiento de información 200. En una realización, la interfaz de comunicación 206 recibe datos de imagen emitidos por el dispositivo de obtención de imágenes 6, por ejemplo. En otra realización, la interfaz de comunicación 206 envía una instrucción generada por el procesador 202 para el dispositivo de control de grúa 110 o para el dispositivo de control de combustión 120.
El almacenamiento 208 mantiene programas y datos de forma permanente. El almacenamiento 208 se realiza como un dispositivo de almacenamiento no volátil, tal como una ROM (memoria de sólo lectura), un dispositivo de disco duro, una memoria flash o similar, por ejemplo. Los programas almacenados en la memoria 208 comprenden un programa para generar, en base a los datos de imagen de los desechos capturados por el dispositivo de obtención de imágenes 6, datos de entrenamiento, y un programa para dar una instrucción para el dispositivo de control de grúa 110 o al dispositivo de control de combustión 120, por ejemplo. Por ejemplo, el historial de operaciones de la planta de tratamiento de desechos se almacena, en series de tiempo, en el almacenamiento 208. El historial de operación de la planta de tratamiento de desechos incluye datos brutos medidos por dispositivos tales como múltiples sensores, etc., conectados a la planta de tratamiento de desechos, por ejemplo, un sensor de temperatura para detectar la temperatura en el incinerador 1 (que se muestra en la Fig. 1). Además, el almacenamiento 208 comprende una base de datos 209, y la base de datos 209 almacena, en series temporales, datos de proceso obtenidos en base al historial de operación de la planta de tratamiento de desechos, por ejemplo. A este respecto, cabe recordar que los datos del proceso pueden almacenarse en la memoria 204.
El dispositivo de control de grúa 110 es un dispositivo para controlar el funcionamiento de la grúa 5 (que se muestra en la Fig. 1). El dispositivo de control de grúa 110 hace que la grúa 5 ejecute una operación de agitación de desechos en el pozo de desechos 3 o de transporte de desechos en el pozo de desechos 3 a la tolva 4 (que se muestra en la Fig. 1), de acuerdo con una instrucción transmitida desde el dispositivo de procesamiento de información 200. La agitación de los desechos en el pozo de desechos 3 es la operación de agarrar una parte de los desechos apilados en un bloque del pozo de desechos 3 y mover la parte de los desechos a un bloque diferente en el pozo de desechos, o la operación de dejar caer la parte de los desechos agarrada por la grúa 5 en el mismo bloque de nuevo. Mediante la agitación repetida de los desechos, los materiales de desecho pueden mezclarse para que la composición de los desechos en el pozo 3 sea homogénea. De este modo, se consigue que la combustión de los desechos en la incinerador 1 sea homogénea.
El dispositivo de control de combustión 120 es un dispositivo para controlar la combustión en el incinerador 1 (que se muestra en la Fig. 1). El dispositivo de control de combustión 120 controla el tiempo de combustión y/o la temperatura de combustión en el incinerador 1, o controla la cantidad de aire suministrado al incinerador 1, de acuerdo con una instrucción transmitida desde el dispositivo de procesamiento de información 200.
La Fig. 3 es un diagrama de bloques que muestra una construcción funcional del dispositivo de procesamiento de información 200 en relación con una realización de la presente invención. El dispositivo de procesamiento de información 200 en relación con la presente realización comprende una unidad de generación de datos de entrenamiento 220, una unidad de construcción de modelos 230, una unidad de adquisición de imágenes 240, una unidad de estimación 250 y una unidad de instrucción 260. Cada una de las unidades 220 a 260 representa una función realizada mediante la lectura de un programa informático en la memoria 204 y la ejecución del programa informático por el procesador 202 que se muestra en la Fig. 2.
Según la presente realización, se construye un modelo de aprendizaje generando datos de entrenamiento a partir de los datos de imagen de los desechos incluidos en el historial de operaciones de la planta de tratamiento de desechos, etc., recolectando múltiples conjuntos, cada uno de los cuales comprende los datos de imagen de los desechos y los datos de entrenamiento, y haciendo un aprendizaje automático de los conjuntos. A continuación, los datos de la imagen de los desechos, que es un objeto relacionado con la estimación, se introducen en el modelo de aprendizaje construido, se obtiene una salida (resultado de inferencia) y se genera un mapa de inferencia en base a la salida. Además, en base al mapa de inferencia, se dan instrucciones al dispositivo de control de grúa 110 (que se muestra en la Fig. 2) y al dispositivo de control de combustión 120 (que se muestra en la Fig. 2). En la siguiente descripción, se explicará en detalle el funcionamiento, etc., de cada una de las unidades 220-260.
La unidad de generación de datos de entrenamiento 220 genera datos de entrenamiento suministrados al modelo de aprendizaje. La unidad de generación de datos de entrenamiento 220 genera datos de entrenamiento a partir del historial de la operación pasado o presente de la planta de tratamiento de desechos, que se almacena en series de tiempo en la base de datos 209 (que se muestra en la Fig. 2) que ha sido predeterminada. La base de datos 209 almacena, en series temporales, los datos de imagen de los desechos en el pozo 3 capturados por el dispositivo de obtención de imágenes 6, y los datos de proceso correspondientes a los datos de imagen de los desechos. La unidad de generación de datos de entrenamiento 220 lee, de la base de datos 209, los datos de proceso correspondientes a los datos de imagen de los desechos en el pozo de desechos 3, y genera, a partir de los datos de proceso, datos de entrenamiento para el aprendizaje. Los datos de la imagen de los desechos en el pozo 3 y los datos del proceso se asocian, por ejemplo, mediante el uso del tiempo en que se obtuvieron los datos respectivos. Es decir, los datos del proceso anterior se asocian con los datos de la imagen de los desechos. Los datos de entrenamiento generados a partir de los datos del proceso comprenden un valor que representa la composición de los desechos. El valor que representa la composición de los desechos es un índice que muestra el grado de inflamabilidad o no de los desechos. Los datos del proceso comprenden al menos uno de los datos que muestran una característica de los desechos recolectados en base al historial de operación de la planta de tratamiento de desechos y una etiqueta que clasifica la composición de los desechos, en la que la clasificación es realizada por un operador en base al historial de operación de la planta de tratamiento de desechos.
Los datos que representan una característica de los desechos pueden ser el peso (kg*m/s2) de los desechos arrojados al pozo 3, la densidad (kg/m3), el contenido de agua (kg) incluido en los desechos arrojados al pozo 3, o una cantidad de calor (kJ/kg) generada cuando se incineran los desechos, por ejemplo. El hecho de que el peso sea bajo, la densidad sea baja, el contenido de agua sea bajo y la cantidad de calor sea alta indica que los desechos son fáciles de incinerar. En general, los desechos son más inflamables a medida que su densidad es menor. Así, los desechos que tienen el mismo volumen y menos peso son más inflamables. El volumen de desechos que la grúa 5 puede agarrar cada vez es aproximadamente el mismo; de modo que, si se mide el peso de los desechos agarrados por la grúa 5, se puede determinar la inflamabilidad de los desechos.
Además, por ejemplo, la base de datos 209 almacena, por adelantado, datos que representan una característica de los desechos que se basan en el historial de operación de la planta de tratamiento de desechos. Por ejemplo, la base de datos 209 almacena, por adelantado, información de la cantidad de calor generada en la planta de tratamiento de desechos con respecto a cada uno de los meses durante un período predeterminado pasado (por ejemplo, tres años). Al referirse a la información del historial de la cantidad de calor generado por cada mes
almacenado en la base de datos 209, se puede especificar una cantidad real de calor generado a partir de los desechos, si los desechos mostrados en una imagen de desechos en el pozo 3 se arrojan al incinerador 1.
En la presente realización, los datos de imagen de los desechos en el pozo de desechos 3 se asocian con datos que representan una característica de los desechos que se identifica cuando los desechos se arrojan al pozo de desechos 3. A continuación, la unidad de generación de datos de entrenamiento 220 aplica la conformación, etc., a los datos que representan la característica identificada de los desechos, y genera datos de entrenamiento que corresponden a los datos de imagen de los desechos y representan la composición de los mismos.
Por otro lado, la etiqueta para clasificar los desechos por su composición se especifica clasificando la composición de los desechos mostrados en la imagen por un operador realizando una observación visual, en base a datos pasados de una imagen de los desechos almacenados en la base de datos 209. Por ejemplo, en el caso de que un operador considere que los desechos mostrados en una imagen son de alto valor calorífico, se le asigna la etiqueta "H"; la etiqueta "M" se asigna si se considera que los desechos son de valor calorífico medio; y la etiqueta "L" se asigna si se considera que los desechos son de bajo valor calorífico. La etiqueta asignada se introduce en el dispositivo de procesamiento de información 200 a través de una interfaz de entrada que no se muestra en las figuras, y se almacena en la base de datos 209.
En la presente realización, se recoge como datos de entrenamiento una etiqueta determinada por la clasificación, mediante observación visual por parte de un operador, de la composición de los desechos en los datos de imagen que son capturados por el dispositivo de obtención de imágenes 6 y que representan los desechos en el pozo de desechos 3.
De este modo, la unidad de generación de datos de entrenamiento 220 obtiene, a partir del historial de operación de la planta de tratamiento de desechos, datos de proceso correspondientes a una imagen de desechos en el pozo de desechos 3, y genera datos de entrenamiento a partir de los datos de proceso. La unidad de generación de datos de entrenamiento 220 recolecta múltiples conjuntos, cada uno de los cuales comprende datos de una imagen de desechos y datos de entrenamiento que corresponden a la imagen de los desechos e incluyen un valor que representa la composición de los desechos, y los almacena como datos de aprendizaje en la memoria 204.
Debe recordarse que la unidad de generación de datos de entrenamiento 220 puede construirse de tal manera que divide una imagen de datos de imágenes pasadas de desechos almacenados en la base de datos 209 en múltiples bloques, obtiene, con respecto a los respectivos bloques divididos, datos de proceso correspondientes a la imagen, y genera datos de entrenamiento a partir de los datos de proceso obtenidos. En tal caso, la unidad de generación de datos de entrenamiento 220 asigna números de bloque a los respectivos bloques divididos, y almacena valores que representan la composición de los desechos, junto con los números de bloque, en la memoria 204, por ejemplo. Así, la unidad de generación de datos de entrenamiento 220 puede generar un mapa de datos de entrenamiento que muestra los grados de inflamabilidad con respecto a los desechos en los respectivos bloques del pozo 3.
La unidad de construcción del modelo 230 construye un modelo (una función) mediante datos de entrenamiento generados por el aprendizaje automático. El modelo está construido de tal manera que genera una salida correcta correspondiente a una nueva entrada cuando se proporciona la nueva entrada. La unidad de construcción del modelo 230 tiene una función predeterminada y=f(x,0). En la función, la entrada x son los datos de la imagen de los desechos en la pozo 3, la salida y es un valor que representa la composición de los desechos, y 0 es un parámetro interno de la función. La unidad de construcción del modelo 230 proporciona múltiples conjuntos, cada uno de los cuales comprende una entrada x y una salida y, que se utilizarán para el aprendizaje automático con el fin de ajustar el parámetro interno 0, para hacer posible la obtención de una salida correcta. La entrada x, que se proporciona para el aprendizaje automático, son datos de imagen de los desechos en el pozo de desechos 3, generados por la unidad de generación de datos de entrenamiento 220 y recolectados del historial de operaciones de la planta de tratamiento de desechos; y la salida y son datos de entrenamiento correspondientes a la entrada x. En una imagen de datos de imagen de los desechos en el pozo de desechos 3, que se proporciona como entrada x para el aprendizaje automático, se muestran componentes de desechos que tienen varias formas y varios colores. La unidad de construcción del modelo 230 encuentra la relación entre los datos de la imagen y los datos de entrenamiento mediante el aprendizaje automático de conjuntos plurales de los datos de varias imágenes y los datos de entrenamiento correspondientes a los datos de las diversas imágenes, y ajusta el parámetro interno 0 del modelo. Como resultado, el modelo se construye de tal manera que, incluso si se da una nueva entrada que es diferente de una entrada x que se dio anteriormente, produce una salida correcta correspondiente a la nueva entrada. En este sentido, el algoritmo utilizado para el aprendizaje puede ser al menos uno de los de estimación estadística, aprendizaje de refuerzo y aprendizaje profundo que utilizan regresión lineal, máquinas de Boltzmann, una red neuronal, máquina de vectores de apoyo, red bayesiana, regresión dispersa, un árbol de decisión y/o bosques aleatorios.
La unidad de adquisición de imágenes 240 obtiene datos de imagen de los desechos en el pozo de desechos 3 para introducirlos en un modelo construido. La unidad de adquisición de imágenes 240 recibe los datos de las imágenes de los desechos en el pozo 3 desde el dispositivo de imágenes 6 periódicamente, o en respuesta a una activación que puede ser un evento de emisión de una solicitud a la grúa 5 para arrojar desechos en el pozo 3, y almacena los datos de las imágenes en la memoria 204.
La unidad de estimación 250 obtiene nuevos datos de imagen de los desechos de la memoria 204, e introduce los nuevos datos de imagen de los desechos en el modelo construido para obtener datos de salida. Los datos de salida son un valor que corresponde a los nuevos datos de las imágenes y representan la composición de los desechos, por ejemplo, datos que representan una característica de los desechos.
La unidad de estimación 250 puede generar además un mapa de inferencia que muestra la correspondencia entre los datos de salida obtenidos y las posiciones, que se relacionan con los datos de salida, en el pozo de desechos 3. La unidad de estimación 250 divide una nueva imagen obtenida por la unidad de adquisición de imágenes 240 en bloques plurales, e introduce los datos respectivos de los bloques plurales divididos de la nueva imagen en el modelo construido para obtener datos de salida para cada uno de los bloques. La Fig. 4 muestra un ejemplo de mapa de inferencia 400 construido dividiendo una superficie del pozo de desechos 3 en varios bloques 402. En el ejemplo que se muestra en la Fig. 4, la superficie del pozo de desechos 3 se divide en cuatro en dirección lateral y doce en dirección longitudinal, de modo que el mapa de inferencia 400 comprende un total de cuarenta y ocho bloques 402. Cabe recordar que la unidad de estimación 250 también puede generar un mapa de inferencia de forma tridimensional, utilizando un mapa generado previamente.
Por ejemplo, los datos de salida se muestran en cada bloque 402 que es un componente del mapa de inferencia 400. En el ejemplo que se muestra en la Fig. 4, los datos de salida son un índice que representa el grado de inflamabilidad de los desechos (sin unidad del mismo en la Fig. 4). Por ejemplo, muestra que el desecho es más inflamable a medida que el valor del índice es mayor. Los datos de salida descritos en cada bloque 402 no se limitan a los mostrados en la Fig. 4, de modo que los datos de salida pueden representar un asunto diferente, por ejemplo, el peso (kg*m/s2) de los desechos, la densidad (kg/m3) de los desechos, el contenido de agua (kg) incluido en los desechos, o una cantidad de calor (kJ/kg) generada, o pueden representar cualquier combinación de los asuntos anteriores. Los datos de salida mostrados en cada bloque 402, que es un componente del mapa de inferencia 400, pueden comprender varios tipos de datos de salida. El mapa de inferencia 400 se actualiza/registra cada vez que se producen cambios en los datos de la imagen obtenidos por la unidad de adquisición de imágenes 240, o periódicamente. Además, el mapa de inferencia 400 puede mostrarse visualmente en una pantalla que no se muestra en las figuras.
Además, en cada bloque 402 que es un componente del mapa de inferencia 400, se puede mostrar un valor (una etiqueta, un indicador, etc.) que se extrae en base a los datos de salida, en lugar de mostrar los datos de salida en sí. Por ejemplo, en cada bloque 402 se muestra una etiqueta, que se determina realizando una clasificación basada en la magnitud de los datos de salida. Por ejemplo, en el caso de que los datos de salida representen el contenido de agua de los desechos, la etiqueta "L (o desecho de bajo valor calorífico)" se asigna a un bloque con respecto al cual el contenido de agua es alto, la etiqueta "M (o desecho de valor calorífico estándar)" se asigna a un bloque con respecto al cual el contenido de agua es medio, y la etiqueta "H (o desecho de alto valor calorífico)" se asigna a un bloque con respecto al cual el contenido de agua es bajo. También, por ejemplo, un indicador, que se obtiene en base a la magnitud de los datos de salida, se muestra en cada bloque 402. Por ejemplo, en el caso de que los datos de salida representen una cantidad de calor generada, se asigna el indicador "OK" si se considera que la cantidad de calor generada a partir de los desechos es igual o superior a una cantidad predeterminada y los desechos son aptos para ser arrojados al incinerador 1, y se asigna el indicador "NG" si se considera que la cantidad de calor generada a partir de los desechos es inferior a la cantidad predeterminada y los desechos no son aptos para ser arrojados al incinerador 1. Además, en el caso de que haya varios tipos de datos de salida correspondientes a un solo bloque 402, puede ser posible extraer un nuevo valor, que se mostrará en cada bloque 402, de los varios tipos de datos de salida.
Según la presente técnica, la composición de los desechos correspondiente a los nuevos datos de la imagen se estima cuando se introducen los nuevos datos de la imagen, utilizando un modelo que se construye de tal manera que produce un valor correcto (un valor que representa la composición de los desechos) correspondiente a los nuevos datos de la imagen. De este modo, mediante la recolección de nuevos datos de imagen de los desechos y la introducción de los datos de imagen en el modelo de aprendizaje, se puede realizar la estimación de la composición de los desechos correspondiente a los nuevos datos de imagen. Además, incluso en el caso de que existan en el pozo 3 materiales de desecho que tengan colores similares y diferente composición y materiales de desecho que no tengan colores similares y tengan la misma composición, la composición de los desechos puede estimarse con mayor precisión, en comparación con el caso en que la composición de los desechos se estime únicamente en base a sus colores. Además, según la presente técnica, dado que la composición de los desechos se estima mecánicamente mediante el uso de un modelo de aprendizaje, la composición de los desechos se puede estimar incluso si no hay un operador experto, o se puede respaldar la precisión del juicio, que fue hecha por un operador mediante la realización de la observación visual de la composición de los desechos convencionalmente. Además, al realizar periódicamente un aprendizaje y/o reaprendizaje adicional mediante el uso de nuevos datos de imagen y datos de proceso correspondientes, se hace posible corresponder al cambio en la composición de los desechos debido al envejecimiento.
Además, según la presente técnica, el interior del pozo de desechos 3 se divide en múltiples bloques 402, y se genera un mapa de inferencia 400, que muestra valores y demás que representan la composición de los desechos con respecto a cada bloque 402. Un operador o el dispositivo de procesamiento de información 200 puede captar, en relación con los desechos en el pozo de desechos 3, la composición con respecto a cada bloque 402 refiriéndose
al mapa de inferencia 400. De este modo, es posible captar la distribución con respecto a la composición de los desechos, en relación con las posiciones.
La unidad de instrucción 260 proporciona, en base al mapa de inferencia 400, una instrucción para el dispositivo de control de grúa 110 (que se muestra en la Fig. 2). Más concretamente, la unidad de instrucción 260 genera, en base al mapa de inferencia 400, una instrucción para mover los desechos que designa un bloque en el pozo de desechos 3 desde el que se deben mover los desechos, y un bloque al que se deben mover los desechos, o una instrucción para alimentar los desechos que designa un bloque en el pozo de desechos 3 que se relaciona con los desechos que se deben arrojar al incinerador 1 (mostrado en la Fig. 1), y transmite la instrucción para el dispositivo de control de grúa 110. El dispositivo de control de grúa 110 controla, de acuerdo con la instrucción, el movimiento de los desechos en el pozo de desechos 3 por parte de la grúa 5. La unidad de instrucción 260 instruye, mediante el uso de los valores mostrados en el mapa de inferencia 400, el movimiento de los desechos de tal manera que la composición de los materiales de desecho en la pozo 3 se haga uniforme, o similar a la composición de los materiales de desecho que fueron arrojados al incinerador 1 la última vez.
Además, la unidad de instrucción 260 da una instrucción al dispositivo de control de combustión 120 (que se muestra en la Fig. 2), en base al mapa de inferencia 400. Más específicamente, la unidad de instrucción 260 genera una instrucción, que es necesaria para la incineración de los desechos alimentados al incinerador 1, mediante el uso de información de alimentación que se relaciona con un bloque en el mapa de inferencia 400 que se relaciona con los desechos que se han arrojado al incinerador 1 y un valor mostrado en el bloque, por ejemplo, datos de salida, y transmite la instrucción al dispositivo de control de combustión 120. El dispositivo de control de combustión 120 realiza, de acuerdo con la instrucción, el control de la combustión del incinerador 1 de tal manera que la temperatura de combustión, el tiempo de combustión y la cantidad de aire en el incinerador 1 sean adecuados para la composición de los desechos arrojados al incinerador 1.
Debe recordarse que las realizaciones explicadas anteriormente no son las que limitan la presente invención. Por ejemplo, la unidad de instrucción 260 puede implementarse en un dispositivo distinto del dispositivo de procesamiento de información 200, por ejemplo, en el dispositivo de control de grúa 110. En este caso, el mapa de inferencia 400 generado en el dispositivo de procesamiento de información 200 se transmite al dispositivo de control de grúa 110, y el dispositivo de control de grúa 110 genera una instrucción para la alimentación de desechos que designa un bloque en el mapa de inferencia 400 que se refiere a los desechos que se van a arrojar al incinerador 1, y de este modo controla el funcionamiento de la grúa 5. Además, el dispositivo de control de grúa 110 genera, mediante el uso de la información de la posición del bloque que corresponde a los desechos arrojados al incinerador 1 y un valor mostrado en el bloque, una instrucción de control para el dispositivo de control de combustión 120. En otra construcción, la unidad de instrucción 260 puede ser implementada tanto en el dispositivo de control de grúa 110 como en el dispositivo de control de combustión 120, por ejemplo. En este caso, el mapa de inferencia 400 generado en el dispositivo de procesamiento de información 200 se transmite al dispositivo de control de grúa 110, y el dispositivo de control de grúa 110 genera una instrucción para la alimentación de desechos que designa un bloque en el mapa de inferencia 400 que se refiere a los desechos que se van a arrojar al incinerador 1, y de este modo controla el funcionamiento de la grúa 5. Además, el dispositivo de control de combustión 120 recibe, del dispositivo de procesamiento de información 200, el mapa de inferencia 400, y recibe, del dispositivo de control de grúa 110, información de la posición del bloque que se relaciona con los desechos arrojados al incinerador 1. El dispositivo de control de combustión 120 genera, mediante la información de la posición del bloque que se relaciona con los desechos arrojados al incinerador 1 y un valor mostrado en el bloque, una instrucción de control para el incinerador 1.
La Fig. 5 es un diagrama de flujo 500 que muestra el funcionamiento de un sistema de planta de tratamiento de desechos 100 según una realización.
En la etapa S510, la unidad de generación de datos de entrenamiento 220 carga el historial de operaciones de la planta de tratamiento de desechos, que está siendo almacenado en la base de datos 209 (que se muestra en la Fig. 2), en la memoria 204 (que se muestra en la Fig. 2). A continuación, a partir del historial de operación de la planta de tratamiento de desechos cargado en la memoria 204, se recolectan los datos de proceso correspondientes a los datos de imagen de los desechos en el pozo 3, y se generan datos de entrenamiento basados en los datos de proceso.
En la etapa S520, la unidad de construcción de modelos 230 realiza un aprendizaje supervisado, en el que los datos de imagen de los desechos en el pozo de desechos 3 y los datos de entrenamiento, que se generan en la etapa S510 y corresponden a los datos de imagen, se utilizan en el aprendizaje, para construir así un modelo en el que se ajusta un parámetro interno de una función que tiene la unidad de construcción de modelos 230.
En la etapa S530, la unidad de adquisición de imágenes 240 obtiene datos de imagen de los desechos en el pozo de desechos 3, que son capturados por el dispositivo de imágenes 6.
En la etapa S540, la unidad de estimación 250 divide los datos de la imagen de los desechos en el pozo 3, obtenidos por la unidad de adquisición de imágenes 240, en uno o más bloques. A continuación, la unidad de
estimación 250 introduce las respectivas piezas divididas de datos de imagen en el modelo, que se construye en la etapa S520, y obtiene datos de salida para los respectivos bloques.
En la etapa S550, la unidad de estimación 250 genera un mapa de inferencia 400 asociando, con cada bloque, un valor que representa la composición de los desechos, que es especificado por los datos de salida de cada bloque obtenidos en la etapa S540.
En la etapa S560, la unidad de instrucción 260 da una instrucción de operación al dispositivo de control de grúa 110 0 al dispositivo de control de combustión 120 en base al mapa de inferencia 400 generado en la etapa S560.
En la descripción anterior, se explican las realizaciones de la presente invención; y las realizaciones anteriores de la presente invención son las utilizadas para facilitar la comprensión de la presente invención, y no son las que limitan la presente invención.
Además, dentro del ámbito en el que al menos una parte de los problemas mencionados anteriormente pueden ser resueltos y/o dentro del ámbito en el que al menos una parte de los efectos ventajosos pueden ser obtenidos, es posible combinar arbitrariamente realizaciones y ejemplos modificados, y es posible combinar arbitrariamente componentes u omitir un componente/componentes divulgados en las reivindicaciones y la especificación.
Lista de signos de referencia
1 ... Incinerador: 3 ... Pozo: 4 ... Tolva: 5 ... Grúa: 6 ... Dispositivo de obtención de imágenes: 100 ... Sistema de planta de tratamiento de desechos: 110 ... Dispositivo de control de grúa: 120 ... Dispositivo de control de combustión: 200 ... Dispositivo de procesamiento de información: 202 ... Procesador: 204 ... Memoria: 206 ... Interfaz de comunicación: 208 ... Almacenamiento: 209 ... Base de datos: 220 ... Unidad de generación de datos de entrenamiento: 230 ... Unidad de construcción del modelo: 240 ... Unidad de adquisición de imágenes: 250 ... Unidad de estimación: 260 ... Unidad de instrucción: 400 ... Mapa de inferencia.
Claims (9)
1. Un dispositivo (200) que comprende:
una unidad de generación de datos de entrenamiento (220) adaptada para generar datos de entrenamiento asociados a una imagen capturada de desechos almacenados en una pozo de desechos;
una unidad de construcción de modelos (230) que está adaptada para construir un modelo realizando un aprendizaje con los datos de entrenamiento; y
una unidad de estimación (250) que está adaptada para introducir, en el modelo, los datos de una nueva imagen capturada de los desechos almacenados en un pozo de desechos, y para obtener un valor representativo de la composición de los desechos correspondiente a la nueva imagen.
2. El dispositivo (200) según la reivindicación 1, en el que la unidad de estimación (250) está además adaptada para dividir la nueva imagen capturada de los desechos en varios bloques y, en relación con cada uno de los bloques, emitir un valor que representa la composición de los desechos correspondiente a la nueva imagen; y generar un mapa de inferencia (400) que asocia los valores emitidos que representan la composición de los desechos con los respectivos bloques.
3. El dispositivo (200) según la reivindicación 2, que comprende además una unidad de instrucción (260) que está adaptada para generar, en base al mapa de inferencia (400), al menos una de las instrucciones para un dispositivo de control de grúa (110) que controla una grúa (5) y una instrucción para un dispositivo de control de combustión (120) que controla un incinerador (1).
4. El dispositivo (200) según la reivindicación 3, en el que la instrucción para el dispositivo de control de grúa (110) es una instrucción para que una grúa (5) mueva los desechos almacenados en el pozo de desechos; y la instrucción para el dispositivo de control de combustión (120) es una instrucción necesaria para incinerar los desechos arrojados al incinerador (1).
5. El dispositivo (200) según una cualquiera de las reivindicaciones 1 a 4, los datos de entrenamiento se recogen a partir de al menos uno de los valores que representan una característica de los desechos identificada en base al historial de operación de una planta de tratamiento de desechos, y una etiqueta que representa el resultado de la clasificación de la composición de los desechos, en la que la clasificación es realizada por un operador en base a los datos de imagen de los desechos en el pozo.
6. El dispositivo (200) según una cualquiera de las reivindicaciones 1 a 5, en el que el valor que representa la composición de los desechos es un índice que representa la inflamabilidad de los desechos.
7. Un sistema de planta de tratamiento de desechos (100) que comprende:
el dispositivo (200) según la reivindicación 2; y
una unidad de instrucción (260) que está adaptada para generar, en base al mapa de inferencia, al menos una de las instrucciones para un dispositivo de control de grúa (110) que controla una grúa (5) y una instrucción para un dispositivo de control de combustión (120) que controla una incinerador (1).
8. Un procedimiento para estimar la composición de los desechos almacenados en un pozo de desechos de una planta de tratamiento de desechos que comprende las etapas de:
generar datos de entrenamiento asociados a una imagen capturada de desechos almacenados en un pozo de desechos;
construir un modelo mediante la ejecución de un aprendizaje con los datos de entrenamiento; y introducir, en el modelo, los datos de una nueva imagen capturada de los desechos almacenados en una pozo de desechos, y obtener un valor que represente la composición de los desechos correspondiente a la nueva imagen.
9. Un programa que hace que un procesador de una planta de tratamiento de desechos ejecute el procedimiento según la reivindicación 8.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017148374A JP6554148B2 (ja) | 2017-07-31 | 2017-07-31 | 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 |
| PCT/JP2018/025805 WO2019026551A1 (ja) | 2017-07-31 | 2018-07-09 | 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2871982T3 true ES2871982T3 (es) | 2021-11-02 |
Family
ID=65232607
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES18840599T Active ES2871982T3 (es) | 2017-07-31 | 2018-07-09 | Dispositivo, sistema, programa, procedimiento y estructura de datos de estimación de la composición de los desechos |
Country Status (10)
| Country | Link |
|---|---|
| EP (1) | EP3660397B1 (es) |
| JP (5) | JP6554148B2 (es) |
| KR (2) | KR102382332B1 (es) |
| CN (1) | CN111065859B (es) |
| ES (1) | ES2871982T3 (es) |
| MY (1) | MY192327A (es) |
| PH (1) | PH12020500221A1 (es) |
| RU (1) | RU2733556C1 (es) |
| SG (1) | SG11202000713RA (es) |
| WO (1) | WO2019026551A1 (es) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7308016B2 (ja) * | 2018-03-14 | 2023-07-13 | 川崎重工業株式会社 | ごみ質推定システム及び方法、並びに、ごみ貯蔵設備 |
| JP6554198B1 (ja) * | 2018-03-16 | 2019-07-31 | 株式会社タクマ | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム |
| JP6731680B2 (ja) * | 2018-08-23 | 2020-07-29 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
| JP6603822B2 (ja) * | 2019-06-21 | 2019-11-06 | 株式会社タクマ | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム |
| JP7516025B2 (ja) * | 2019-09-18 | 2024-07-16 | 三機工業株式会社 | ごみクレーンの運転システムおよびこれを適用したごみ処理施設 |
| DE102020000980A1 (de) * | 2020-02-14 | 2021-08-19 | Martin GmbH für Umwelt- und Energietechnik | Verfahren zum Betreiben einer Feuerungsanlage |
| JP7486890B2 (ja) * | 2020-03-09 | 2024-05-20 | 三機工業株式会社 | ごみクレーンの運転システムおよびこれを適用したごみ処理施設 |
| JP7383539B2 (ja) * | 2020-03-19 | 2023-11-20 | 日立造船株式会社 | 制御システム、情報処理装置、および情報処理方法 |
| JP7311455B2 (ja) * | 2020-03-30 | 2023-07-19 | 株式会社コベルコE&M | スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム |
| JP7301783B2 (ja) * | 2020-04-01 | 2023-07-03 | Jx金属株式会社 | 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置 |
| JP7301782B2 (ja) * | 2020-04-01 | 2023-07-03 | Jx金属株式会社 | 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置 |
| JP7535874B2 (ja) * | 2020-05-22 | 2024-08-19 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
| JP7453872B2 (ja) * | 2020-07-29 | 2024-03-21 | 三菱重工業株式会社 | バイオガス製造システム及びバイオガス製造方法 |
| CN112132920B (zh) * | 2020-09-11 | 2023-10-31 | 上海交通大学 | 基于深度学习的放射性废物桶密度重建方法及系统 |
| JP7501432B2 (ja) * | 2021-04-08 | 2024-06-18 | Jfeエンジニアリング株式会社 | 廃棄物情報予測装置、焼却炉の燃焼制御装置、廃棄物情報予測方法、廃棄物情報予測モデルの学習方法および廃棄物情報予測モデルプログラム |
| JP7548109B2 (ja) * | 2021-04-08 | 2024-09-10 | Jfeエンジニアリング株式会社 | ごみ質予測装置、焼却炉の燃焼制御装置、ごみ質予測方法、ごみ質予測モデルの学習方法およびごみ質予測モデルプログラム |
| JP7264936B2 (ja) * | 2021-04-21 | 2023-04-25 | Jx金属株式会社 | 電気電子部品屑の処理方法及び電気電子部品屑の処理装置 |
| CN113651245B (zh) * | 2021-08-16 | 2023-07-21 | 合肥市春华起重机械有限公司 | 一种起重机承载力监测系统 |
| JP7613327B2 (ja) | 2021-09-22 | 2025-01-15 | Jfeエンジニアリング株式会社 | 情報処理装置、情報処理方法、プログラム、焼却管理システム、および焼却管理システムの運転方法 |
| CN114326624B (zh) * | 2021-12-28 | 2024-04-09 | 上海灏领科技集团有限公司 | 基于入炉前废弃物图像识别的园区内热解气化炉系统工艺 |
| JP2023161734A (ja) * | 2022-04-26 | 2023-11-08 | Jfeエンジニアリング株式会社 | 学習モデルの生成方法、学習モデル、情報処理装置、情報処理方法、プログラム、およびデータ拡張方法、ならびに状態推定装置および状態推定方法 |
| KR102584092B1 (ko) * | 2022-08-26 | 2023-10-05 | 주식회사 엔이씨파워 | 폐기물 종류 구분을 이용한 소각장 크레인 자동운전장치 및 그 자동운전방법 |
| KR102849083B1 (ko) * | 2022-09-30 | 2025-08-21 | 에스케이에코플랜트(주) | 소각로에 투입되는 폐기물의 발열정보를 예측하는 인공지능의 자동 레이블링 시스템 및 시스템의 동작 방법 |
| KR102849087B1 (ko) * | 2022-09-30 | 2025-08-21 | 에스케이에코플랜트(주) | 시계열 예측 모델을 이용한 소각로 제어 시스템 및 시스템의 동작 방법 |
| CN115424095B (zh) * | 2022-11-03 | 2023-04-07 | 湖北信通通信有限公司 | 基于废旧物资的质量分析方法及装置 |
| KR102566796B1 (ko) * | 2022-11-24 | 2023-08-11 | 김형선 | 소각로 온도 안정화를 위한 폐기물 시스템, 소각 장치 및 방법 |
| CN115861008A (zh) * | 2022-12-20 | 2023-03-28 | 上海山美环保装备股份有限公司 | 一种针对建筑垃圾工艺处理流程的智能监测与预警方法 |
| CN119025868B (zh) * | 2024-10-28 | 2025-03-18 | 克拉玛依顺通环保科技有限责任公司 | 一种沾油废弃物的破碎处理方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE1794274B2 (de) | 1968-09-30 | 1971-11-25 | Gesellschaft für Kernforschung mbH, 7500 Karlsruhe | Vorrichtung zum trennen von gas oder dampffoermigen stoffen mit unterschiedlichen molekulargewichten und bzw oder verschie denen gaskinetischen querschnitten insbesondere von isotopen |
| DE4344906C2 (de) * | 1993-12-29 | 1997-04-24 | Martin Umwelt & Energietech | Verfahren zum Regeln einzelner oder sämtlicher die Verbrennung auf einem Feuerungsrost beeinflussender Faktoren |
| JP2847468B2 (ja) * | 1994-04-29 | 1999-01-20 | 川崎重工業株式会社 | ごみ焼却炉のごみ性状推定方法および推定装置 |
| JP2860782B2 (ja) * | 1996-07-23 | 1999-02-24 | 川崎重工業株式会社 | カラー画像を利用した燃焼判定・制御方法および判定・制御装置 |
| DE19919222C1 (de) * | 1999-04-28 | 2001-01-11 | Orfeus Comb Engineering Gmbh | Verfahren zum Steuern der Verbrennung von Brennstoff mit variablem Heizwert |
| RU2238157C1 (ru) * | 2003-06-04 | 2004-10-20 | Мельников Геннадий Максимович | Способ обезвреживания и переработки твердых бытовых отходов |
| JP5025120B2 (ja) * | 2005-11-02 | 2012-09-12 | 株式会社日立プラントテクノロジー | ごみ処理工場用自動クレーンの制御装置による自動クレーンの運転方法 |
| JP5032414B2 (ja) * | 2008-08-05 | 2012-09-26 | 株式会社ブリヂストン | 防振装置 |
| JP5361595B2 (ja) * | 2009-07-27 | 2013-12-04 | 株式会社タクマ | 燃焼炉に供給される燃焼対象物の処理システム、処理方法およびこれらを用いた燃焼炉の燃焼制御システム |
| DE102010031528B4 (de) * | 2010-07-19 | 2013-04-25 | Klaus Seeger | System zur Bestimmung eines Energiegehalts eines festen Brennstoffs und Verwendung des Systems |
| KR101480130B1 (ko) * | 2013-06-28 | 2015-01-07 | (주) 태종 엔이씨 | 열정산 및 설계프로그램과 운전원(Operater)의 운전형태 분석을 통한 소각시설과 고형 연료보일러의 진단과 제어 및 설비생애주기관리 시스템 및 방법 |
| CN103738856B (zh) * | 2013-12-31 | 2015-11-25 | 安徽海螺川崎工程有限公司 | 垃圾自动送料系统控制方法 |
| JP2015143139A (ja) * | 2014-01-31 | 2015-08-06 | 日立造船株式会社 | ごみピット内の攪拌状態検出装置及びごみピット内の攪拌状態検出方法 |
| CN105389795B (zh) * | 2015-10-13 | 2018-09-28 | 长沙中联重科环境产业有限公司 | 一种垃圾料位检测方法、装置及上料板机 |
| JP5969685B1 (ja) * | 2015-12-15 | 2016-08-17 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
| JP2017148374A (ja) * | 2016-02-26 | 2017-08-31 | 京セラ株式会社 | ジルコニア仮焼体およびジルコニア焼結体 |
| JP2017109197A (ja) | 2016-07-06 | 2017-06-22 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
| CN106292600B (zh) * | 2016-08-30 | 2018-09-28 | 北京京城环保股份有限公司 | 一种多远程垃圾坑数据采集、记录系统 |
| JP7025126B2 (ja) * | 2017-03-31 | 2022-02-24 | 日立造船株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
-
2017
- 2017-07-31 JP JP2017148374A patent/JP6554148B2/ja active Active
-
2018
- 2018-07-09 RU RU2020108193A patent/RU2733556C1/ru active
- 2018-07-09 MY MYPI2020000472A patent/MY192327A/en unknown
- 2018-07-09 KR KR1020207029804A patent/KR102382332B1/ko active Active
- 2018-07-09 WO PCT/JP2018/025805 patent/WO2019026551A1/ja not_active Ceased
- 2018-07-09 SG SG11202000713RA patent/SG11202000713RA/en unknown
- 2018-07-09 CN CN201880050228.8A patent/CN111065859B/zh active Active
- 2018-07-09 EP EP18840599.7A patent/EP3660397B1/en not_active Revoked
- 2018-07-09 ES ES18840599T patent/ES2871982T3/es active Active
- 2018-07-09 KR KR1020207005854A patent/KR102169393B1/ko active Active
-
2019
- 2019-07-04 JP JP2019125374A patent/JP7311334B2/ja active Active
-
2020
- 2020-01-29 PH PH12020500221A patent/PH12020500221A1/en unknown
-
2022
- 2022-07-05 JP JP2022108352A patent/JP7539432B2/ja active Active
-
2024
- 2024-03-11 JP JP2024036511A patent/JP7703721B2/ja active Active
-
2025
- 2025-06-25 JP JP2025106933A patent/JP2025129204A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| KR102382332B1 (ko) | 2022-04-08 |
| JP6554148B2 (ja) | 2019-07-31 |
| JP2025129204A (ja) | 2025-09-04 |
| JP2019207099A (ja) | 2019-12-05 |
| CN111065859A (zh) | 2020-04-24 |
| JP2024061802A (ja) | 2024-05-08 |
| CN111065859B (zh) | 2021-05-28 |
| EP3660397A1 (en) | 2020-06-03 |
| KR20200121920A (ko) | 2020-10-26 |
| JP2022132331A (ja) | 2022-09-08 |
| JP7703721B2 (ja) | 2025-07-07 |
| PH12020500221A1 (en) | 2020-10-12 |
| JP7311334B2 (ja) | 2023-07-19 |
| JP2019027696A (ja) | 2019-02-21 |
| EP3660397A4 (en) | 2020-06-03 |
| WO2019026551A1 (ja) | 2019-02-07 |
| JP7539432B2 (ja) | 2024-08-23 |
| RU2733556C1 (ru) | 2020-10-05 |
| EP3660397B1 (en) | 2021-04-21 |
| KR102169393B1 (ko) | 2020-10-23 |
| KR20200028029A (ko) | 2020-03-13 |
| SG11202000713RA (en) | 2020-02-27 |
| MY192327A (en) | 2022-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2871982T3 (es) | Dispositivo, sistema, programa, procedimiento y estructura de datos de estimación de la composición de los desechos | |
| JP2019207099A5 (es) | ||
| CN117636169B (zh) | 一种森林巡护方法及系统 | |
| KR102276894B1 (ko) | 발열량 추정 방법, 발열량 추정 장치 및 쓰레기 저장 설비 | |
| CN118786315A (zh) | 信息处理装置、信息处理方法以及信息处理程序 | |
| CN103279760B (zh) | 一种植物检疫幼虫实时分类方法 | |
| CN116597602B (zh) | 森林火灾预警方法、装置、设备以及存储介质 | |
| JP2024001337A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
| RU2729532C1 (ru) | Система автоматического мониторинга птиц и относящийся к ней способ использования | |
| CN114194648A (zh) | 基于人工智能的垃圾分类方法及垃圾分类系统 | |
| Aswani et al. | Automated e-waste disposal using machine learning | |
| Yulita et al. | Recyclable Waste Classification using SquezeeNet and XGBoost | |
| CN118942115A (zh) | 基于无人机辅助智慧养殖管理方法及系统 | |
| Krishnaveni et al. | IoT and AI based Forest Fire Prediction and Animal Monitoring System | |
| CN114139456B (zh) | 基于卷积神经网络预测共熔点的干燥温度控制方法及系统 | |
| JP2021183891A5 (es) | ||
| WO2023167127A1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
| Khodier et al. | Digital twins of waste particles for waste bulk simulations | |
| Ahmed et al. | Deep Learning Based Smart Bin for Efficient Sorting of Recyclable, Non-Recyclable, and Compostable Materials | |
| CN119919892B (zh) | 垃圾投料口的投料监测方法、装置、设备和存储介质 | |
| Senthilkumar et al. | Computer vision based smart waste segregation using YOLO and IOT dashboard integration. | |
| Ribeiro et al. | Beehives: Prototyping and Applications Perspective | |
| Pratheep et al. | Design And Fabrication Of Waste Fabric Segregation System | |
| Rasheed et al. | Intelligent Aquarium Monitoring System Using YOLOv5 and IoT-Based Environmental Sensing | |
| Schwark et al. | The application of image recognition methods to improve the performance of waste-to-energy plantsplants |