火電廠輸煤系統煤倉間智慧監盤系統設計

文/楊勇

輸煤系統的智能化已成為一種趨勢，利用巡檢機器人在環境惡劣的輸煤現場實現自動化的智慧巡檢，準確識別煤倉是否溢出，皮帶是否撕裂，作業現場是否有無關人員進入作業現場等等。同時，當犁煤器進行抬、落動作時，需要切換對應的視頻畫面至程控室監控屏。目前，機器視覺技術已經在很多領域得到大力發展，在輸煤領域也有利用機器視覺實現輸煤皮帶堵煤、撕裂、跑偏等的檢測。本文相較于當前解決方案，設計了基于機器視覺技術，并結合輸煤程控現有系統，并聯控現場工業電視，當對應犁煤器動作時，巡檢機器人可自主行走至對應位置，采集落煤口視頻，利用機器視覺相關算法，準確識別犁煤器是否動作到位，煤倉口是否有煤料溢出等等。

煤倉口的煤料溢出時，可利用光流法、背景差分法等等，準確識別溢出煤料形成的外形輪廓。本系統可與現有的輸煤程控系統通過通信接口相連接，并將現有的工業電視系統接入，實現現場設備的自動控制與視頻聯動。

1 系統總體設計

1.1 巡檢機器人嵌入式視覺處理單元

本文以溫州發電有限公司輸煤系統煤倉間為基礎，配套開發了輸煤系統軌道式巡檢機器人，該機器人架設安裝在煤倉間皮帶上方，可實現自主行走、沿線設備的智能檢測燈等。本文在巡檢機器人本體上搭載數字攝像機，并將視頻信息采集至機載的嵌入式視覺處理單元，系統內部的視覺算法依次完成圖像濾波去噪、灰度轉換、canny邊緣檢測。同時，將原始圖像進行顏色提取，根據煤料與背景之間的顏色差異，輔助邊緣檢測的結果，得出是否煤料溢出的判斷。

本文采用了嵌入式PC作為主控制器，該控制器中搭建Linux操作系統，并移植opencv視覺庫。因輸煤系統巡檢機器人需要處理可見光以及紅外圖像，本文采用了數字攝像機與紅外熱成像儀作為視頻采集終端。并通過以太網接口與嵌入式PC相連接，視頻碼流在嵌入式PC中進一步壓縮，最終通過無線通信終端傳輸至后臺服務器。

1.2 輸煤程控系統、機器人通信單元

火電廠輸煤系統一般采用PLC搭建控制系統，針對火電廠輸煤系統煤倉間設備，程控PLC控制系統可控制現場犁煤器、皮帶機、拉繩開關、跑偏開關、撕裂開關等等。因輸煤程控室往往離輸煤皮帶較遠、離煤倉間也有較遠距離，使得巡檢機器人與輸煤程控系統之間的通信較為困難。本文采用2.4Ghz的無線自組網通信網絡，并架設足夠的中繼器，有效解決輸煤現場設備互相遮擋，視頻信號傳輸的帶寬要求。程控室無線通信網關選用菲尼克斯工業無線網控制器，采用12dbi增益的全向玻璃鋼天線，并在天線饋線中段安裝防浪涌裝置，有效降低雷擊、浪涌對設備的危害。

1.3 工業電視智慧監盤

本文以溫州發電有限公司輸煤系統煤倉間為基礎，配套開發了輸煤系統軌道式巡檢機器人，巡檢機器人通過機器視覺算法，將檢測的結果通過無線通信設備傳輸至輸煤程控室。輸煤程控室的主控PLC根據當前動作的犁煤器、需要監測的煤倉編號，發出機器人移動位置的指令，使得巡檢機器人行走至作業點。同時，程控PLC通過以太網口與工業電視的控制主板相連接，將現場固定機位所采集的對應機位的工業電視畫面，以及巡檢機器人的實時畫面顯示在監控大屏上。

此外，為了提高巡檢機器人定位精度，本文所設計的軌道式巡檢機器人利用兩個驅動輪、兩個從動輪實現軌道行走，為了實現巡檢機器人在軌道上的準確定位，本文在主動輪上安裝高精度編碼器，通過記錄主動輪正反轉圈數，實時測得軌道式巡檢機器人的位置。同時，為了消除系統的累積誤差，在軌道上間隔安裝基準點，提高機器人的定位精度。本文采用了絕對型旋轉編碼器，具備位置唯一、抗干擾、無需掉電記憶。該編碼器通過串行接口與嵌入式云臺控制器相連接，控制器將獲取的位置信息存儲至EEPROM。當軌道式巡檢機器人自主巡檢時，只需按照存儲的既定巡檢任務，行走至對應監測點，控制云臺，獲取正確的視頻圖像信息。

2 系統算法設計

2.1 基于背景差分的溢煤檢測

背景差分是一種常見的運動目標檢測方法，其原理是通過將視頻碼流中當前幀與之前采集的背景圖像進行差分運算，再選取合適的閾值來提取溢出的煤料。背景差分首先要建立一個背景圖像模型，然后利用連續兩幀之間差分運算的結果，比對選取的閾值。如果當前幀與背景的差值大于選定的閾值則把這些像素點的集合作為疑似區域，即煤料；如果當前幀與背景的差值小于設定的閾值則把這些像素點看作是靜止區域，即背景。這樣就把溢出的煤料從圖像中分離出來。

利用背景差分法進行溢出煤料的檢測，其關鍵是建立圖像檢測的背景模型。本文設計的輸煤系統煤倉間落煤口，場景較為簡單，背景基本不會發生什么變化。本文在系統沒有進行上煤操作時，選取多幀數據作為背景模型。同時，考慮到火電廠輸煤系統日間、夜間不同的光照條件，本文選取不同時間，不同成像條件下的圖像信息，加權計算最終的背景模型。

2.2 基于角點檢測的犁煤器動作監測

輸煤系統犁煤器一般為三角形狀，具有典型的角點特征，本文采用哈里斯角點檢測算法實現對犁煤器抬到位、落到位的監測。其算法基本思想是使用一個固定窗口在圖像上進行任意方向上的滑動，比較滑動前與滑動后兩種情況，窗口中的像素灰度變化程度，如果存在任意方向上的滑動，都有著較大灰度變化，那么我們可以認為該窗口中存在角點。在系統初始設置階段，只需操作工人在現場手動操作犁煤器完成一次完整的抬到位、落到位，系統即可準確完成標定工作。

2.3 基于機器學習的皮帶落物檢測

在輸煤現場中，皮帶落是指意外掉落在輸煤皮帶上的無關雜物，例如工具、衣物、板材、甚至人或者動物等，及時識別落物，并發出安全預警，對于輸煤系統的安全生產有重大意義。

機器學習算法可以分為三大類：監督學習、無監督學習和強化學習。監督學習可用于一個特定的數據集（訓練集）具有某一屬性（標簽），但是其他數據沒有標簽或者需要預測標簽的情況。無監督學習可用于給定的沒有標簽的數據集（數據不是預分配好的），目的就是要找出數據間的潛在關系。強化學習位于這兩者之間，每次預測都有一定形式的反饋，但是沒有精確的標簽或者錯誤信息。本文涉及的應用場景中，皮帶落物的種類一般為工具、衣物、板材、甚至人或者動物等。上述物體的形態、顏色都有較大差異，通過機器學習算法對上述物體進行學習，提高對物體識別的準確率。

3 系統運行界面

圖1：系統運行界面圖

本文將工業電視與輸煤程控系統融合在一起，利用機器視覺技術，實現了視頻與程控系統的聯動，軟件采用intouch與QT上位機設計軟件，運行界面如圖1。

4 小結

本文以溫州發電有限公司輸煤系統煤倉為案例，設計了基于機器視覺以及程控PLC系統的智慧監盤系統。該系統實現了煤倉間上煤自動監控，為機器視覺在傳統輸煤領域的應用進行了探索。