Evident LogoOlympus Logo
Blogue InSight

Analyse des résidus de combustion de charbon au moyen de la segmentation des images par apprentissage profond

By  -
Cendres volantes de charbon

Le charbon est une roche noire qui, lorsque brûlée, libère de l’énergie. Cette ressource non renouvelable, qui prend des millions d’années à se former, est fabriquée à partir de plantes anciennes qui sont mortes dans les marécages.

Même avec l’essor des énergies renouvelables comme les énergies éolienne et solaire, le charbon reste une source d’énergie importante à l’échelle mondiale. La combustion du charbon libère différents polluants atmosphériques, des cendres et des métaux lourds qui doivent être contrôlés ou éliminés pour éviter qu’ils nuisent à notre santé et à l’environnement.

L’Environmental Protection Agency (EPA) des États-Unis a d’ailleurs mis en place des réglementations nationales pour l’élimination sûre des résidus de combustion du charbon produits par les centrales électriques au charbon. Les résidus de combustion du charbon sont également connus sous le nom de « produits de combustion de charbon », de « déchets de combustion de charbon » ou de « cendres de charbon ».

Exemples de résidus de combustion de charbon

Les résidus de combustion de charbon comprennent par exemple les cendres volantes, les cendres résiduelles, le laitier de charbon et les matériaux de désulfuration des gaz de combustion. Comme leur nom l’indique, les cendres volantes sont les fines particules poudreuses qui s’élèvent avec les gaz de combustion. Les cendres résiduelles et le laitier de charbon sont des particules grossières et plus lourdes qui se forment au fond du four.

L’EPA est favorable à la réutilisation et au recyclage responsables des cendres de charbon dans divers produits et matériaux, comme le béton, le coulis, les briques et les métaux d’apport. La réutilisation des cendres de charbon peut offrir les avantages économiques, environnementaux et matériaux suivants :

  • Réduit l’utilisation des ressources naturelles
  • Réduit les émissions de gaz à effet de serre
  • Améliore la résistance, la maniabilité et la durabilité des matériaux
  • Remplace les matériaux plus coûteux (p. ex. l’argile, le sable, le gravier et le calcaire dans le ciment)
  • Augmente les revenus tirés de la vente de cendres de charbon
  • Fait économiser des coûts en réduisant le besoin d’élimination

Diverses études ont également montré le potentiel des cendres volantes de charbon comme agents neutralisants. Par exemple, on a eu l’idée d’utiliser des cendres volantes pour la remise en état des amas de lignite acide dans des mines à ciel ouvert. L’environnement acide est néfaste pour la stabilité de ces amas, et les cendres sont très basiques en raison de la forte teneur en chaux. De ce fait, elles peuvent contribuer à la neutralisation et donc à la remise en état des amas.

Pour étudier les cendres volantes et autres résidus de combustion du charbon, les chercheurs s’appuient souvent sur la microscopie et sur des logiciels d’analyse d’images industrielles.

Analyse des cendres de charbon à l’aide de la segmentation d’images par apprentissage profond

L’analyse des cendres de charbon par microscopie est utile pour estimer le comportement et la réactivité des cendres volantes dans les réactions chimiques qui se produisent par contact avec d’autres matériaux ou milieux tels que l’eau, le ciment ou le sol. En combinaison avec une analyse XRD quantitative, un tableau presque complet de la réactivité peut être dressé. Par exemple, les cendres à faible réactivité peuvent être utilisées comme agrégat dans le béton, alors que les cendres très réactives peuvent être utilisées comme liant hydraulique.

La microscopie peut être utilisée pour :

  • Déterminer la proportion et la granulométrie des phases des verres réactifs dans les cendres volantes
  • Identifier les phases des autres minéraux
  • Identifier les cendres de charbon dans un cadre de recherche environnementale

Des outils d’analyse d’images de nouvelle génération, comme la segmentation des images par apprentissage profond, ont rendu l’analyse des cendres de charbon plus facile et plus précise.

Prenons cet exemple de l’analyse d’images de cendres volantes de lignite (figure 1). Cet échantillon de cendres provient de l’ancienne centrale électrique de Mumsdorf, située dans la région lignitifère d’Allemagne centrale, au sud de Leipzig. Le lignite, également connu sous le nom de « charbon brun », est considéré comme le charbon le plus nocif pour la santé humaine. Les mines de lignite continuent de fermer dans le monde à mesure que les pays passent aux énergies renouvelables.

Pour cet échantillon, le lignite a été broyé pour la combustion, puis soufflé dans la chambre de combustion. Cette procédure permet de créer de nombreuses particules de cendres minuscules différentes. Le débit depuis la chambre de combustion jusqu’aux gaz d’échappement est très élevé, ce qui maintient dans les airs les petites particules de cendres volantes. Le lignite contenait également des minéraux, lesquels ont complètement fondu pendant le processus de combustion. Les verres hautement réactifs (les sphères claires sur l’image) se forment à partir des gouttelettes de fusion de ces minéraux.

L’échantillon de cendres volantes de lignite contient d’autres phases de minéraux, notamment les suivantes :

  • Magnétite : sphères opaques noires
  • Quartz : fragments minéraux
  • Chaux : souvent assez diffuse

Pour évaluer les cendres volantes de lignite, on a utilisé la technologie d’apprentissage profond TruAI™ du logiciel d’analyse d’images OLYMPUS Stream™ afin de distinguer la phase des verres réactifs (sphères claires) des autres phases. Après un simple entraînement du réseau neuronal avec des images étiquetées à la main, la solution de comptage et de mesure (Count and Measure) automatise l’analyse et sépare clairement les gouttelettes de fusion des minéraux.

placholder image

Image originale de cendres volantes de lignite (gauche) dans OLYMPUS Stream et segmentation avec méthodes de seuillage traditionnelles (droite)

placholder image

Image originale de cendres volantes de lignite (gauche) et segmentation par apprentissage profond (droite)

Figure 1. Contrairement à la segmentation d’images effectuée au moyen des méthodes de seuillage habituelles
qui dépendent de la luminosité ou de la couleur, la segmentation d’images par apprentissage profond effectuée avec
la technologie TruAI peut correctement détecter les gouttelettes de fusion et les séparer des autres minéraux.

La segmentation d’images par apprentissage profond peut être utilisée pour de nombreuses applications. Par exemple, les verres dans ces images pourraient également représenter, dans de nombreux produits chimiques, les bulles ou les sphères qui sont utilisées comme capsules ou échangeurs d’ions (billes de résine synthétique) ou comme matériau de support (p. ex. pour des arômes ou des ingrédients actifs).

Pour en savoir plus sur la segmentation d’images par apprentissage profond et voir d’autres exemples, consultez notre page sur l’apprentissage profond.

Contenu connexe

Technologie TruAI basée sur l’apprentissage profond pour l’analyse des images industrielles

Brochure : Logiciel d'analyse d'images OLYMPUS Stream

Analyseurs XRF à main pour les centrales thermiques alimentées au charbon


Contactez-nous
Product Marketing Manager

Annegret Janovsky joined Evident in 2002. As a trained crystallographer, she specialized in technical mineralogy. During her time at Evident Germany, she broadened her experience in industrial microscopy, X-ray fluorescence (XRF), and remote visual inspection (RVI) as a salesperson. After several years as a sales specialist for industrial microscopy, she moved to the marketing team in Europe, where she is now a product marketing manager for industrial microscopy in Europe, the Middle East, and Africa (EMEA). 

septembre 14, 2021
Sorry, this page is not available in your country
InSight Blog Sign-up
Sorry, this page is not available in your country
Let us know what you're looking for by filling out the form below.
Sorry, this page is not available in your country