基于计算机视觉方法评估一次风条件对层状生物质燃烧火焰温度区域的影响及其热传递机制解析

本研究针对生物质燃烧过程中火焰多温度区域难以量化评估的问题，开发了一种结合热成像与计算机视觉的创新方法，通过Python编程实现了火焰温度区域的实时分割与面积计算。研究团队在自然引风（ND）、强制引风（FD）及预热空气强制引风（AFD）条件下开展实验，发现AFD工况下高温区域面积显著提升（如200–300°C区域达2.62×10?2 m2），揭示了一次风条件对火焰热传递效率的调控机制，为优化生物质燃烧设备能效提供了重要技术支撑。

　　

在能源转型与碳中和目标驱动下，生物质能作为可再生碳中性燃料受到广泛关注。然而，生物质燃烧过程中火焰的动态特性与热释放机制尚未得到充分解析，特别是火焰内部多温度区域的时空分布规律及其与燃烧条件的关联机制缺乏有效观测手段。传统火焰表征方法如高速成像、光谱分析等虽能获取火焰形态与化学特性，但难以实现温度区域的定量分割；而粒子图像测速（PIV）、平面激光诱导荧光（PLIF）等技术成本高昂且操作复杂。此外，生物质火焰具有高度不稳定性，其温度区域变化对燃烧效率与污染物排放具有决定性影响，亟需开发一种能够实时解析火焰温度分布的新型监测技术。

为此，印度CSIR-NEIST研究所的Akash Borthakur与Biswajit Gogoi在《Biomass and Bioenergy》发表研究，通过融合热成像技术与计算机视觉算法，开发了一套基于Python的火焰温度区域分析系统，并应用于层状生物质燃烧实验，系统探究了一次风条件（自然引风ND、强制引风FD及预热空气强制引风AFD）对火焰温度区域面积与分布的影响。

本研究主要采用以下技术方法：首先基于Python开发集成OpenCV和EasyOCR模块的视觉分析软件，实现热图像的自动温度标定与区域分割；其次通过实验获取三种一次风条件下（ND、FD、AFD）的燃烧热成像数据，使用Testo 868热像仪以0.67 emissivity（发射率）参数采集动态火焰图像；最后通过图像裁剪、8位灰度转换及像素-面积换算（校正因子2.64 pixels/mm²）量化不同温度区间（200–300°C至901–1000°C）的火焰面积。

3.1. 温度依赖的火焰区域检测与分割

热成像显示所有工况下火焰最高温度均达1000°C。通过软件处理的掩模图像清晰显示，低温区域（200–300°C）主要分布于火焰外围，而高温区域集中于火焰核心。随着温度升高，所有工况下火焰面积均显著减小，其中AFD条件下200–300°C区域在600 s时达到最大面积（2.62×10^?2 m²），且高温区域（如901–1000°C）面积极小（3.60×10^?7 m²），印证了火焰温度梯度分布的特性。

3.2. 燃烧条件对温度分区火焰面积的影响

对比三种工况的火焰面积数据发现：ND工况因燃烧速率低（0.14 g/s），火焰区域峰值出现时间较晚（1200 s），且累积面积最大（1.88×10^?1 m²）；FD工况因空气强制对流增强，燃烧速率提升至0.22 g/s，高温区域峰值提前至900 s；AFD工况因预热空气（68°C）进一步强化燃料-空气混合与传热效率，燃烧速率最高（0.23 g/s），且所有温度区间的火焰面积均优于ND与FD，其中401–500°C区域面积达1.09×10^?2 m²，较FD提高55%。值得注意的是，AFD条件下高温区域（701–800°C）面积在600 s时达到3.71×10^?3 m²，显著高于其他工况，表明预热空气可有效促进高温区形成并缩短燃烧持续时间。

研究通过总火焰面积对比（图4）进一步揭示，AFD工况下各温度区间面积均居首位，尤其在200–400°C区间优势明显（总面积0.123 m²），而ND工况在901–1000°C区间因燃烧持续时间长而略占优势。这一现象说明，优化一次风条件可有效调控火焰温度分布，提升高温区域占比从而增强热辐射效率。

本研究成功开发了一种基于计算机视觉的火焰温度区域量化方法，突破了传统技术无法实时解析多温度区域的局限。实验表明，一次风条件显著影响火焰温度分布与燃烧效率：预热空气强制引风（AFD）可最大化高温区域面积，提升燃烧速率并缩短燃烧周期；火焰面积随温度升高而递减的规律在所有工况下均成立；低温区域（200–300°C）始终占据主导面积，但其占比可通过风温与风量优化调整。该技术为生物质燃烧设备的实时调控与能效优化提供了可靠工具，未来可扩展至工业锅炉、发动机燃烧室等高温系统的智能监控领域。