基于圖像識別的下料口監測告警系統設計

賀向宗，白云華，姜 濤，唐孟閣，孔 銳，楊計革

中信重工機械股份有限公司 河南洛陽 471039

在鋼鐵生產過程中，由于球團礦具有粒度小且均勺、鐵品位高、冷態強度高和還原性好等優點，在鋼鐵行業中應用越來越多[1]。在球團礦的生產過程中主要的生產設備為鐵礦石回轉窯。通過回轉窯將天然礦石或者鐵精礦與水和球團黏結劑制作成生球，再經過高溫或低溫焙燒工藝從而形成球團礦[2]。然而在球團生產過程中，由于存在燒結工藝、鐵礦石粉與焦煤摻雜比例、設備操作不當、漏風或結皮等原因導致原料在回轉窯中燒結形成球團燒結大塊，大塊容易在下料口聚集，從而導致下料口堵塞，嚴重影響了正常生產[3]。對于如何識別下料口堵塞的方法通常為人工識別，需要人工定期觀察回轉窯的情況。這種方法可能會因觀察疏忽或者錯過發現堵塞的最佳時期，從而導致下料口堵塞，而且人眼長時間觀察回轉窯內的強光，容易對人眼造成損害，同時也無法量化球團燒結大塊的尺寸，對球團燒結大塊的識別工作效率較低。下料口堵塞出現后，通常采用人工疏通的方法，需要用鉤子將大塊堵料拉出，如球團燒結大塊較大還需要在回轉窯內進行破碎處理，處理過程復雜而且效率極低，同時也浪費了較大的人力和財力成本。因此，若能高效率地識別球團燒結大塊的存在，則能減少因人工識別的遺漏，提高人工疏通的效率，減少設備停機所產生的成本浪費，對于鋼鐵的生產效率和低成本運營具有重要意義。

筆者針對下料口堵塞檢測的問題，基于圖像處理技術，采用高溫工業相機代替人眼觀察回轉窯內下料口的堵塞情況，通過遠程圖像處理技術自動判斷回轉窯的運行狀態，采用改進的 YOLOv3 算法監測下料口是否存在球團燒結大塊，對可能出現下料口堵塞的情況進行監測和預警。該系統能有效提高下料口堵塞的識別率，節省了人工識別和疏通的成本，提高了設備的運行效率，同時保障了人員的身體健康，對鋼鐵的生產效率具有較大地提升。

1 系統組成及特點

1.1 系統組成

下料口堵塞監測告警系統結構示意如圖 1 所示，主要由高溫工業相機、控制箱、主控室和冷卻保護裝置組成。其中高溫工業相機分辨率為 200 萬像素，采用孔闌校正、超低照度和強光抑制等技術，照度為0.001 Lux，確保能在回轉窯內形成清晰圖像。工業相機和鏡頭安裝在探頭罩內部，通過探頭在金屬導軌上移動可進行伸縮拍照。控制箱主要由圖像處理主機組成，通過主機中的圖像處理算法對回轉窯內圖像進行球團燒結塊分析和檢測。冷卻保護裝置主要為冷卻氣路裝置，主要由管路和止回閥組成，可在工業相機冷卻保護罩中成螺旋風幕對相機進行冷卻。

圖1 下料口堵塞監測告警系統結構示意Fig.1 Structural sketch of monitoring and alarming system for blockage of unloading port

1.2 系統特點

下料口堵塞監測告警系統具備自動化的特點，工業相機采集的實時圖像通過網絡傳輸接口 RJ45 傳輸視頻信號至圖像處理主機，圖像處理主機實時監測回轉窯內有無球團燒結大塊，根據設計的特征分類篩選提取算法，對存在的球團燒結大塊的外形輪廓進行提取，分析其實際尺寸。系統采用 PLC 模塊與上位機進行通信。控制模塊擁有完備的自動保護功能，在超過設定的溫度上限、停冷卻氣和停電 3 種狀態下，自動保護裝置將自動啟動，工業相機探頭將自動退離回轉窯，防火鋼片回位并封死回轉窯開孔，防止產生次生事故。系統指標參數如表 1 所列。

表1 系統指標參數Tab.1 Index parameters of system

2 技術路線

下料口堵塞監測告警系統的技術路線如圖 2 所示。系統根據高溫工業相機安裝的位置對相機進行位置標定，相機的位置需要根據現場實際工況以及下料口的位置、回轉窯內空間尺寸等因素確定。標定好的高溫工業相機對回轉窯內的運轉情況進行圖像提取，將采集到的圖像發送給控制裝置，控制裝置中的圖像處理主機對采集到的圖像進行改進 YOLOv3 算法分析，將判斷結果發送到顯示裝置，并對可能出現球團燒結大塊堵塞下料口的情況進行預警，同時反饋球團燒結大塊的實際尺寸大小，工作人員則會根據預警信息對下料口的球團燒結大塊進行及時疏通。

圖2 系統技術路線Fig.2 Technical roadmap of system

3 系統實現

3.1 高溫工業相機位置標定和圖像采集

3.1.1 高溫工業相機位置標定

在圖像采集過程中，需要建立高溫工業相機成像的幾何參數，分為內參和外參。內參是確定高溫工業相機在三維空間到二維圖像的投影關系；外參是確定高溫工業相機坐標與世界坐標系之間的相對位置關系。通過位置標定可以確定圖像中下料口位置與實際下料口位置的幾何對應關系，為后續確定球團燒結大塊的實際大小提供計算基礎。

3.1.2 圖像采集

通過高溫工業相機對回轉窯內的圖像進行實時采集和傳輸，并形成視頻形式發送給控制裝置。為了更好地確定下料口的位置信息，需要對圖像進行幾何變換。常用的幾何變換有圖像平移、鏡像、轉置、縮放、旋轉和 ROI 位置的選取。在對采集到的圖像進行變換時，通常選取包含球團燒結大塊輪廓的外接矩形框區域進行分析，這樣可以有效減少其他區域對球團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。由于周圍環境因素產生的噪聲，采集圖像時會有較多的噪聲干擾，筆者采取雙邊濾波對圖像進行濾波處理。在圖像采集過程中，光線以及高溫帶來的熱輻射等影響會導致采集的圖像對比度較低，所以對采集到的圖像進行 Sobel 算子銳化處理來增強邊緣和輪廓信息。

3.2 改進 YOLOv3 算法

圖像識別是系統的關鍵部分，其主要任務是對圖像進行球團燒結大塊的識別，主要由圖像處理主機完成。系統根據下料口的正常球團與球團燒結大塊的大小差異，以及球團燒結大塊的不規則特征對 ROI 圖像進行輪廓與邊緣檢測，采用改進的 YOLOv3 算法對圖像進行特征提取和分析。

3.2.1 特征提取網絡改進

基于典型的 YOLOv3 算法[4]，系統在 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對特征進行特征融合處理。特征提取改進如圖 3 所示。

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

3.2.2 損失函數優化YOLOv3 算法的損失函數 Loss 主要由坐標誤差、置信度誤差和分類誤差組成。其中坐標誤差為和方差、置信度誤差和分類誤差均為交叉熵[6]。當出現特征邊界框的長度和寬度非常接近時，尤其是出現球團燒結大塊多且相對較小時，則會導致坐標誤差被忽略，進而不利于監測相對較小的球團燒結大塊。系統采用原 YOLOv3 算法的損失函數，在坐標誤差的基礎上，對邊界框的長度和寬度進行加權，可以提高球團燒結大塊的監測能力。

式中：λcoord為預測框和真實框的坐標誤差；為第i個網格中第j個先驗框中是否出現目標，如果出現則＝1；（x，y，ω，h）和分別為預測框和真實框的坐標。

3.2.3 數據集

系統使用的數據集采用實際回轉窯下料口所拍攝的圖像作為數據集，如表 2 所列。共計 15 600 張圖像，其中訓練集含有正常球團 9 100 張，含球團燒結大塊為 4 900 張；驗證集和測試集分別含有正常球團500 張和球團燒結大塊 300 張。

表2 數據集分配情況Tab.2 Distribution of data set

3.2.4 模型訓練與評價指標

分別采用 YOLOv3 算法和系統中的改進 YOLOv3算法對模型進行訓練和分析。模型訓練采用 Batch size為 32，Momentum 為 0.9，Decay 為 0.000 5，學習率分別為 0.001（前 5 000 次）、0.000 1（5 000～15 000 次）和 0.000 01（15 000～30 000 次）。

模型評價指標采用準確率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 YOLOv3 算法的平均損失隨迭代次數的關系曲線如圖 4 所示。相比于改進前，改進后算法的收斂速度更快，表明改進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。在整個迭代過程中，改進YOLOv3 算法的平均損失均比原 YOLOv3 算法更小。YOLOv3 算法改進前后數據對比如表 3 所列。相比于改進前，改進 YOLOv3 算法的損失函數數值更小，僅為 0.14，準確率提高了 13.3 個百分點，平均精度達到87.5%，相對提高了 5.4 個百分點。

圖4 平均損失隨迭代次數的關系曲線Fig.4 Relationship curve of average loss with iteration times

表3 YOLOv3 算法改進前后數據對比Tab.3 Comparison of YOLOv3 algorithm before and after improvement

3.3 球團燒結塊尺寸計算

球團燒結塊實際尺寸計算主要是依據圖像坐標系中的燒結塊外接矩形位置信息，反向計算出球團燒結塊在世界坐標系下的實際距離信息。某點在世界坐標系中的齊次坐標與高溫工業相機的齊次坐標的轉換關系為：

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

世界坐標與圖像坐標的關系建立在剛體變換和透視投影變換的基礎上，世界坐標系通過剛體變換到攝像機坐標系，高溫工業相機坐標系通過透視投影變換得到圖像坐標系[7]。通過上述關系以及相機相應內外參矩陣可確定球團燒結塊輪廓外接矩形，進而獲得球團燒結塊的實際尺寸大小。

4 工程實例

鄂州程潮某鐵礦回轉窯年產球團鐵礦石 300 萬t，在日常生產過程中，由于燒結工藝、鐵礦石粉與焦煤摻雜比例等原因，導致原料在回轉窯中燒結出現異常并形成球團燒結大塊，在下料口堆積并造成下料口堵塞，影響成品輸出效率。采用監測告警系統設計方案后，系統監測界面如圖 5 所示。系統可實時對回轉窯內的運行情況進行監測和分析，可實時反映球團堆積情況，并對出現下料口堵塞的情況進行及時報警，清理人員能有效及時地對堵塞進行清理，從而有效避免因下料口堆積過高而無法及時清理導致下料口堵死的情況發生。另外，通過該系統現場工人也可實時觀察回轉窯內堆積情況，改善現場工人的工作條件，保證人員的健康和安全。該系統投入使用后，每年可減少現場觀察人員 3 人，多生產球團鐵礦石 10萬 t，增加直接經濟效益 500 萬元。

圖5 下料口堵塞監測告警系統監測界面Fig.5 Interface of monitoring and alarming system for blockage of unloading port

5 結語

針對鋼鐵生產過程中回轉窯下料口堵塞的問題，采用可自動伸縮的高溫工業相機對爐內的運行狀態進行實時監測，通過改進的 YOLOv3 算法對采集到的圖像進行實時分析，可提高對球團燒結大塊的識別率，對下料口的堵塞情況能有效及時地進行監測預警，同時對出現的球團燒結大塊進行尺寸分析并反饋給控制者。相比于傳統的人眼監測，該監測告警系統不僅能提高下料口堵塞的識別率，而且能較大地節省人工識別和疏通的成本，保障了監測人員的身體健康，提高了設備的運行效率，對鋼鐵的生產效率具有較大地提升。