賀向宗，白云華，姜 濤，唐孟閣，孔 銳，楊計(jì)革

中信重工機(jī)械股份有限公司 河南洛陽 471039

在鋼鐵生產(chǎn)過程中，由于球團(tuán)礦具有粒度小且均勺、鐵品位高、冷態(tài)強(qiáng)度高和還原性好等優(yōu)點(diǎn)，在鋼鐵行業(yè)中應(yīng)用越來越多[1]。在球團(tuán)礦的生產(chǎn)過程中主要的生產(chǎn)設(shè)備為鐵礦石回轉(zhuǎn)窯。通過回轉(zhuǎn)窯將天然礦石或者鐵精礦與水和球團(tuán)黏結(jié)劑制作成生球，再經(jīng)過高溫或低溫焙燒工藝從而形成球團(tuán)礦[2]。然而在球團(tuán)生產(chǎn)過程中，由于存在燒結(jié)工藝、鐵礦石粉與焦煤摻雜比例、設(shè)備操作不當(dāng)、漏風(fēng)或結(jié)皮等原因?qū)е略显诨剞D(zhuǎn)窯中燒結(jié)形成球團(tuán)燒結(jié)大塊，大塊容易在下料口聚集，從而導(dǎo)致下料口堵塞，嚴(yán)重影響了正常生產(chǎn)[3]。對于如何識(shí)別下料口堵塞的方法通常為人工識(shí)別，需要人工定期觀察回轉(zhuǎn)窯的情況。這種方法可能會(huì)因觀察疏忽或者錯(cuò)過發(fā)現(xiàn)堵塞的最佳時(shí)期，從而導(dǎo)致下料口堵塞，而且人眼長時(shí)間觀察回轉(zhuǎn)窯內(nèi)的強(qiáng)光，容易對人眼造成損害，同時(shí)也無法量化球團(tuán)燒結(jié)大塊的尺寸，對球團(tuán)燒結(jié)大塊的識(shí)別工作效率較低。下料口堵塞出現(xiàn)后，通常采用人工疏通的方法，需要用鉤子將大塊堵料拉出，如球團(tuán)燒結(jié)大塊較大還需要在回轉(zhuǎn)窯內(nèi)進(jìn)行破碎處理，處理過程復(fù)雜而且效率極低，同時(shí)也浪費(fèi)了較大的人力和財(cái)力成本。因此，若能高效率地識(shí)別球團(tuán)燒結(jié)大塊的存在，則能減少因人工識(shí)別的遺漏，提高人工疏通的效率，減少設(shè)備停機(jī)所產(chǎn)生的成本浪費(fèi)，對于鋼鐵的生產(chǎn)效率和低成本運(yùn)營具有重要意義。

筆者針對下料口堵塞檢測的問題，基于圖像處理技術(shù)，采用高溫工業(yè)相機(jī)代替人眼觀察回轉(zhuǎn)窯內(nèi)下料口的堵塞情況，通過遠(yuǎn)程圖像處理技術(shù)自動(dòng)判斷回轉(zhuǎn)窯的運(yùn)行狀態(tài)，采用改進(jìn)的 YOLOv3 算法監(jiān)測下料口是否存在球團(tuán)燒結(jié)大塊，對可能出現(xiàn)下料口堵塞的情況進(jìn)行監(jiān)測和預(yù)警。該系統(tǒng)能有效提高下料口堵塞的識(shí)別率，節(jié)省了人工識(shí)別和疏通的成本，提高了設(shè)備的運(yùn)行效率，同時(shí)保障了人員的身體健康，對鋼鐵的生產(chǎn)效率具有較大地提升。

1 系統(tǒng)組成及特點(diǎn)

1.1 系統(tǒng)組成

下料口堵塞監(jiān)測告警系統(tǒng)結(jié)構(gòu)示意如圖 1 所示，主要由高溫工業(yè)相機(jī)、控制箱、主控室和冷卻保護(hù)裝置組成。其中高溫工業(yè)相機(jī)分辨率為 200 萬像素，采用孔闌校正、超低照度和強(qiáng)光抑制等技術(shù)，照度為0.001 Lux，確保能在回轉(zhuǎn)窯內(nèi)形成清晰圖像。工業(yè)相機(jī)和鏡頭安裝在探頭罩內(nèi)部，通過探頭在金屬導(dǎo)軌上移動(dòng)可進(jìn)行伸縮拍照。控制箱主要由圖像處理主機(jī)組成，通過主機(jī)中的圖像處理算法對回轉(zhuǎn)窯內(nèi)圖像進(jìn)行球團(tuán)燒結(jié)塊分析和檢測。冷卻保護(hù)裝置主要為冷卻氣路裝置，主要由管路和止回閥組成，可在工業(yè)相機(jī)冷卻保護(hù)罩中成螺旋風(fēng)幕對相機(jī)進(jìn)行冷卻。

圖1 下料口堵塞監(jiān)測告警系統(tǒng)結(jié)構(gòu)示意Fig.1 Structural sketch of monitoring and alarming system for blockage of unloading port

1.2 系統(tǒng)特點(diǎn)

下料口堵塞監(jiān)測告警系統(tǒng)具備自動(dòng)化的特點(diǎn)，工業(yè)相機(jī)采集的實(shí)時(shí)圖像通過網(wǎng)絡(luò)傳輸接口 RJ45 傳輸視頻信號(hào)至圖像處理主機(jī)，圖像處理主機(jī)實(shí)時(shí)監(jiān)測回轉(zhuǎn)窯內(nèi)有無球團(tuán)燒結(jié)大塊，根據(jù)設(shè)計(jì)的特征分類篩選提取算法，對存在的球團(tuán)燒結(jié)大塊的外形輪廓進(jìn)行提取，分析其實(shí)際尺寸。系統(tǒng)采用 PLC 模塊與上位機(jī)進(jìn)行通信?？刂颇K擁有完備的自動(dòng)保護(hù)功能，在超過設(shè)定的溫度上限、停冷卻氣和停電 3 種狀態(tài)下，自動(dòng)保護(hù)裝置將自動(dòng)啟動(dòng)，工業(yè)相機(jī)探頭將自動(dòng)退離回轉(zhuǎn)窯，防火鋼片回位并封死回轉(zhuǎn)窯開孔，防止產(chǎn)生次生事故。系統(tǒng)指標(biāo)參數(shù)如表 1 所列。

表1 系統(tǒng)指標(biāo)參數(shù)Tab.1 Index parameters of system

2 技術(shù)路線

下料口堵塞監(jiān)測告警系統(tǒng)的技術(shù)路線如圖 2 所示。系統(tǒng)根據(jù)高溫工業(yè)相機(jī)安裝的位置對相機(jī)進(jìn)行位置標(biāo)定，相機(jī)的位置需要根據(jù)現(xiàn)場實(shí)際工況以及下料口的位置、回轉(zhuǎn)窯內(nèi)空間尺寸等因素確定。標(biāo)定好的高溫工業(yè)相機(jī)對回轉(zhuǎn)窯內(nèi)的運(yùn)轉(zhuǎn)情況進(jìn)行圖像提取，將采集到的圖像發(fā)送給控制裝置，控制裝置中的圖像處理主機(jī)對采集到的圖像進(jìn)行改進(jìn) YOLOv3 算法分析，將判斷結(jié)果發(fā)送到顯示裝置，并對可能出現(xiàn)球團(tuán)燒結(jié)大塊堵塞下料口的情況進(jìn)行預(yù)警，同時(shí)反饋球團(tuán)燒結(jié)大塊的實(shí)際尺寸大小，工作人員則會(huì)根據(jù)預(yù)警信息對下料口的球團(tuán)燒結(jié)大塊進(jìn)行及時(shí)疏通。

圖2 系統(tǒng)技術(shù)路線Fig.2 Technical roadmap of system

3 系統(tǒng)實(shí)現(xiàn)

3.1 高溫工業(yè)相機(jī)位置標(biāo)定和圖像采集

3.1.1 高溫工業(yè)相機(jī)位置標(biāo)定

在圖像采集過程中，需要建立高溫工業(yè)相機(jī)成像的幾何參數(shù)，分為內(nèi)參和外參。內(nèi)參是確定高溫工業(yè)相機(jī)在三維空間到二維圖像的投影關(guān)系；外參是確定高溫工業(yè)相機(jī)坐標(biāo)與世界坐標(biāo)系之間的相對位置關(guān)系。通過位置標(biāo)定可以確定圖像中下料口位置與實(shí)際下料口位置的幾何對應(yīng)關(guān)系，為后續(xù)確定球團(tuán)燒結(jié)大塊的實(shí)際大小提供計(jì)算基礎(chǔ)。

3.1.2 圖像采集

通過高溫工業(yè)相機(jī)對回轉(zhuǎn)窯內(nèi)的圖像進(jìn)行實(shí)時(shí)采集和傳輸，并形成視頻形式發(fā)送給控制裝置。為了更好地確定下料口的位置信息，需要對圖像進(jìn)行幾何變換。常用的幾何變換有圖像平移、鏡像、轉(zhuǎn)置、縮放、旋轉(zhuǎn)和 ROI 位置的選取。在對采集到的圖像進(jìn)行變換時(shí)，通常選取包含球團(tuán)燒結(jié)大塊輪廓的外接矩形框區(qū)域進(jìn)行分析，這樣可以有效減少其他區(qū)域?qū)η驁F(tuán)輪廓位置信息的干擾，加快每幀圖像的處理速度，提升圖像處理的效率。由于周圍環(huán)境因素產(chǎn)生的噪聲，采集圖像時(shí)會(huì)有較多的噪聲干擾，筆者采取雙邊濾波對圖像進(jìn)行濾波處理。在圖像采集過程中，光線以及高溫帶來的熱輻射等影響會(huì)導(dǎo)致采集的圖像對比度較低，所以對采集到的圖像進(jìn)行 Sobel 算子銳化處理來增強(qiáng)邊緣和輪廓信息。

3.2 改進(jìn) YOLOv3 算法

圖像識(shí)別是系統(tǒng)的關(guān)鍵部分，其主要任務(wù)是對圖像進(jìn)行球團(tuán)燒結(jié)大塊的識(shí)別，主要由圖像處理主機(jī)完成。系統(tǒng)根據(jù)下料口的正常球團(tuán)與球團(tuán)燒結(jié)大塊的大小差異，以及球團(tuán)燒結(jié)大塊的不規(guī)則特征對 ROI 圖像進(jìn)行輪廓與邊緣檢測，采用改進(jìn)的 YOLOv3 算法對圖像進(jìn)行特征提取和分析。

3.2.1 特征提取網(wǎng)絡(luò)改進(jìn)

基于典型的 YOLOv3 算法[4]，系統(tǒng)在 YOLOv3 算法殘差塊中的普通卷積采用深度可分離卷積[5]代替，深度可分離卷積通過對輸入圖像的 RGB 三通道進(jìn)行卷積來提取特征，并在下一層卷積之前采用 Conv 1×1對特征進(jìn)行特征融合處理。特征提取改進(jìn)如圖 3 所示。

圖3 特征提取改進(jìn)Fig.3 Improvement of feature extraction

3.2.2 損失函數(shù)優(yōu)化YOLOv3 算法的損失函數(shù) Loss 主要由坐標(biāo)誤差、置信度誤差和分類誤差組成。其中坐標(biāo)誤差為和方差、置信度誤差和分類誤差均為交叉熵[6]。當(dāng)出現(xiàn)特征邊界框的長度和寬度非常接近時(shí)，尤其是出現(xiàn)球團(tuán)燒結(jié)大塊多且相對較小時(shí)，則會(huì)導(dǎo)致坐標(biāo)誤差被忽略，進(jìn)而不利于監(jiān)測相對較小的球團(tuán)燒結(jié)大塊。系統(tǒng)采用原 YOLOv3 算法的損失函數(shù)，在坐標(biāo)誤差的基礎(chǔ)上，對邊界框的長度和寬度進(jìn)行加權(quán)，可以提高球團(tuán)燒結(jié)大塊的監(jiān)測能力。

式中：λcoord為預(yù)測框和真實(shí)框的坐標(biāo)誤差；為第i個(gè)網(wǎng)格中第j個(gè)先驗(yàn)框中是否出現(xiàn)目標(biāo)，如果出現(xiàn)則＝1；（x，y，ω，h）和分別為預(yù)測框和真實(shí)框的坐標(biāo)。

3.2.3 數(shù)據(jù)集

系統(tǒng)使用的數(shù)據(jù)集采用實(shí)際回轉(zhuǎn)窯下料口所拍攝的圖像作為數(shù)據(jù)集，如表 2 所列。共計(jì) 15 600 張圖像，其中訓(xùn)練集含有正常球團(tuán) 9 100 張，含球團(tuán)燒結(jié)大塊為 4 900 張；驗(yàn)證集和測試集分別含有正常球團(tuán)500 張和球團(tuán)燒結(jié)大塊 300 張。

表2 數(shù)據(jù)集分配情況Tab.2 Distribution of data set

3.2.4 模型訓(xùn)練與評價(jià)指標(biāo)

分別采用 YOLOv3 算法和系統(tǒng)中的改進(jìn) YOLOv3算法對模型進(jìn)行訓(xùn)練和分析。模型訓(xùn)練采用 Batch size為 32，Momentum 為 0.9，Decay 為 0.000 5，學(xué)習(xí)率分別為 0.001（前 5 000 次）、0.000 1（5 000～15 000 次）和 0.000 01（15 000～30 000 次）。

模型評價(jià)指標(biāo)采用準(zhǔn)確率Acc＝（TP＋FN）/（TP＋FN＋FP＋TN）和平均精度

式中：P為精確率，P＝TP/（TP＋FP）；R為召回率，R＝TP/（TP＋FN）。

3.2.5 模型性能分析

YOLOv3 算法和改進(jìn) YOLOv3 算法的平均損失隨迭代次數(shù)的關(guān)系曲線如圖 4 所示。相比于改進(jìn)前，改進(jìn)后算法的收斂速度更快，表明改進(jìn)特征提取中的深度可分離卷積能有效地提高特征提取能力，在 15 000次迭代后，損失趨于平穩(wěn)。在整個(gè)迭代過程中，改進(jìn)YOLOv3 算法的平均損失均比原 YOLOv3 算法更小。YOLOv3 算法改進(jìn)前后數(shù)據(jù)對比如表 3 所列。相比于改進(jìn)前，改進(jìn) YOLOv3 算法的損失函數(shù)數(shù)值更小，僅為 0.14，準(zhǔn)確率提高了 13.3 個(gè)百分點(diǎn)，平均精度達(dá)到87.5%，相對提高了 5.4 個(gè)百分點(diǎn)。

圖4 平均損失隨迭代次數(shù)的關(guān)系曲線Fig.4 Relationship curve of average loss with iteration times

表3 YOLOv3 算法改進(jìn)前后數(shù)據(jù)對比Tab.3 Comparison of YOLOv3 algorithm before and after improvement

3.3 球團(tuán)燒結(jié)塊尺寸計(jì)算

球團(tuán)燒結(jié)塊實(shí)際尺寸計(jì)算主要是依據(jù)圖像坐標(biāo)系中的燒結(jié)塊外接矩形位置信息，反向計(jì)算出球團(tuán)燒結(jié)塊在世界坐標(biāo)系下的實(shí)際距離信息。某點(diǎn)在世界坐標(biāo)系中的齊次坐標(biāo)與高溫工業(yè)相機(jī)的齊次坐標(biāo)的轉(zhuǎn)換關(guān)系為：

式中：[Xc，Yc，Zc，1]T和 [Xw，Yw，Zw，1]T分別為相機(jī)坐標(biāo)系和世界坐標(biāo)系下的齊次坐標(biāo)；R為旋轉(zhuǎn)矩陣，為Rx Ry Rz，即xyz方向旋轉(zhuǎn)矩陣的乘積；t為三維平移向量。

世界坐標(biāo)與圖像坐標(biāo)的關(guān)系建立在剛體變換和透視投影變換的基礎(chǔ)上，世界坐標(biāo)系通過剛體變換到攝像機(jī)坐標(biāo)系，高溫工業(yè)相機(jī)坐標(biāo)系通過透視投影變換得到圖像坐標(biāo)系[7]。通過上述關(guān)系以及相機(jī)相應(yīng)內(nèi)外參矩陣可確定球團(tuán)燒結(jié)塊輪廓外接矩形，進(jìn)而獲得球團(tuán)燒結(jié)塊的實(shí)際尺寸大小。

4 工程實(shí)例

鄂州程潮某鐵礦回轉(zhuǎn)窯年產(chǎn)球團(tuán)鐵礦石 300 萬t，在日常生產(chǎn)過程中，由于燒結(jié)工藝、鐵礦石粉與焦煤摻雜比例等原因，導(dǎo)致原料在回轉(zhuǎn)窯中燒結(jié)出現(xiàn)異常并形成球團(tuán)燒結(jié)大塊，在下料口堆積并造成下料口堵塞，影響成品輸出效率。采用監(jiān)測告警系統(tǒng)設(shè)計(jì)方案后，系統(tǒng)監(jiān)測界面如圖 5 所示。系統(tǒng)可實(shí)時(shí)對回轉(zhuǎn)窯內(nèi)的運(yùn)行情況進(jìn)行監(jiān)測和分析，可實(shí)時(shí)反映球團(tuán)堆積情況，并對出現(xiàn)下料口堵塞的情況進(jìn)行及時(shí)報(bào)警，清理人員能有效及時(shí)地對堵塞進(jìn)行清理，從而有效避免因下料口堆積過高而無法及時(shí)清理導(dǎo)致下料口堵死的情況發(fā)生。另外，通過該系統(tǒng)現(xiàn)場工人也可實(shí)時(shí)觀察回轉(zhuǎn)窯內(nèi)堆積情況，改善現(xiàn)場工人的工作條件，保證人員的健康和安全。該系統(tǒng)投入使用后，每年可減少現(xiàn)場觀察人員 3 人，多生產(chǎn)球團(tuán)鐵礦石 10萬 t，增加直接經(jīng)濟(jì)效益 500 萬元。

圖5 下料口堵塞監(jiān)測告警系統(tǒng)監(jiān)測界面Fig.5 Interface of monitoring and alarming system for blockage of unloading port

5 結(jié)語

針對鋼鐵生產(chǎn)過程中回轉(zhuǎn)窯下料口堵塞的問題，采用可自動(dòng)伸縮的高溫工業(yè)相機(jī)對爐內(nèi)的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測，通過改進(jìn)的 YOLOv3 算法對采集到的圖像進(jìn)行實(shí)時(shí)分析，可提高對球團(tuán)燒結(jié)大塊的識(shí)別率，對下料口的堵塞情況能有效及時(shí)地進(jìn)行監(jiān)測預(yù)警，同時(shí)對出現(xiàn)的球團(tuán)燒結(jié)大塊進(jìn)行尺寸分析并反饋給控制者。相比于傳統(tǒng)的人眼監(jiān)測，該監(jiān)測告警系統(tǒng)不僅能提高下料口堵塞的識(shí)別率，而且能較大地節(jié)省人工識(shí)別和疏通的成本，保障了監(jiān)測人員的身體健康，提高了設(shè)備的運(yùn)行效率，對鋼鐵的生產(chǎn)效率具有較大地提升。