技术问题描述：燃料入厂阶段，独立零散的数据暂时无法通过统一融合的方式进行直观呈现，管理中心对安检点的认知是碎片化的。因此要求预研设备端集成规划丰富感知能力，能够采集到送料人员、草捆包裹的多维度数据，如包裹的外观图、X光图，自动判别杂质、霉腐、长杆等类别信息，送货人员人脸抓拍等，尽量避免人为干预。

当燃料入场点有严重异常事件发生时，监控/指挥中心不能全面远程掌握现场实况，对现场可调度的人力、物力资源信息获取不全，无法快速做出响应决策，针对突发事件的处置能力存在短板，无法满足第一时间、第一现场的应急处置需要。

燃料入厂的数据信息呈现，一直以来普遍采用简单图形、文字信息的扁平化模式，用户已经对此产生审美疲劳，引入新兴技术、打造科技感更强的可视化呈现方式，提升信息化建设水平。

对秸秆的资源量、储存量、利用量以及现场场景进行监控识别并拍摄视频。客户送料进厂后，需对物料进行质检，将秸秆放入传送带中，进入到秸秆审像系统。通过运输人员和秸秆包关联仪内部的智能跟踪和匹配算法，可将秸秆外观图、X光透视图、运输人员人脸信息进行1:1:1精准匹配，并在平台端进行一人一档数据集中存储。

审像系统的总体逻辑处理结构如下图所示，Ｘ光机检测设备完成草捆扫描检测，生成Ｘ光灰度图片，并将图片上传给自动审像系统，审像系统使用机器学习神经网络算法等方式，对待检秸秆的图像进行自动审像。通过X光秸秆智能审像技术，X光机对草捆进行探测并采集外X光图，经过基于深度学习的算法识别，可自动判湿夹层、板结发硬、土沙杂质异常、霉腐等类别信息，通过采集的数据对对秸秆的质量分数进行计算，得到对应的质量分数值，再确认质检单和条形码是否对应。当质量分数值不同区间时，操作人员将车辆调遣至对应的适宜收储仓库；

当出现异常事件时，草捆通过X光机，AI自动分析并标记违规情况，如检测到超出标准的杂质含量，则本地产生声光报警提醒，由手检员进行人工复核，检察员进行复检确认，登记车辆等运输信息和违规情况信息。通过检测机的动态标签，可实时接收报警事件、查看报警详情，并通过安检点的全景视频覆盖、统计数据信息了解整体实况。操作员根据质检单过磅除皮，自动预警提示、拍照，打印过磅单，并交客户一份备查，生成进料信息；根据进料的质量分数（优劣程度），设置多个收储仓库内，不同的收储仓库对不同质量分数的秸秆进行存储。

需要的技术成果及相关指标描述：

能够对整车生物质燃料进行快速工业分析，关键参数为：全水分、异物，灰分，燃烧热值，测量得出统一标准测试数据。相关检测方法及成果应具有先进性，能够为数据研判提供技术支撑。

1高安全性：可进行低剂量扫描，受检车辆及人员所受辐射剂量在安全范围内。

2通过率高：每日可完成50辆车以上的测试，不用卸载，允许车辆以3km/h的速度通过检测通道进行检查，可实现百分之百检查。

3自动检测：燃料可快速检定，过程中人员干预小，能够快速得到测量数值。

4标准统一：数据能够统一测试，实现统一标准。全水份、异物占燃料比例精确到千分位。燃烧热值精确到千卡/标准立方米（KCAL/NM3）。

拟合作方式：合作开发

拟投入资金（万元）：200