火焰燃烧诊断一直是一个热点问题,而且对其研究有重要意义,现有的燃烧诊断系统都有不稳定、实时性差、识别率低的缺点。而实现炉膛火焰状态的实时监控准确判断以及燃烧诊断系统的自动化、智能化,能提高燃烧状态识别的准确性和可靠性,可以有效地防止熄火、锅炉爆燃等重大事故的发生,减少国家财产损失,保障人的生命安全。论文首先分析研究了锅炉燃烧诊断现状,总结国内外研究方向和方式方法,指出其存在的不足与缺陷,分析总结了数字图像处理技术和人工智能的研究进展,着重研究了基于数字图像处理技术与现代人工智能相结合的燃烧诊断系统。针对采集回的火焰图像含有噪声以及火焰燃烧区域为充满整个图片的问题,首先对火焰图像进行了预处理,包括对原图像的滤波去噪处理、火焰图像的分割即确定火焰燃烧区域,文中采用改进的基于二维直方图的图像斜分分割算法,然后在分割出的火焰区域中提取出能反映火焰燃烧状况的信息即火焰图像特征参量,将提取出的特征参量进行分析研究以找出最能代表锅炉真实燃烧状况的最优特征量组合,最后运用智能模型来诊断火焰的燃烧状态,并对未知火焰图像进行判别来检验模型的有效性和准确性。本文建立了两种智能模型来判断燃烧火焰图像的稳定性,分别为已有很多研究并成功应用在锅炉燃烧系统上的神经网络模型和最近几年发展迅速的支持向量机模型,文中对这两种模型进行了比较应用,分析各自的优势和不足,提供了一种新的人工智能的稳定性判别算法。针对文中存在的不足以及未来发展趋势,提出了自己的看法。数字图像技术的优势是显而易见的,人工智能的发展是飞速的,相信结合数字图像处理和人工智能的燃烧诊断系统会越来越准确,越来越完善。