渣緩冷場智能巡檢系統的研制及應用

摘要：為解決傳統渣緩冷場巡檢方式依賴人工、安全風險大、效率低、成本高、準確率低及環境惡劣等問題，研制并應用了渣緩冷場智能巡檢系統。利用云臺式紅外熱像儀獲取渣包和冷卻水噴淋設備的熱成像圖片和可見光圖片，并通過紅外熱成像溫度算法和AI智能識別，精準監測渣包溫度變化和噴淋設備運行狀態，自動識別異常情況并及時告警。系統應用后，以高穩定性和高精準度幫助工作人員及時處理了現場巡檢的各項問題，保障了生產的安全和穩定，為金屬冶煉行業提供了一種高效、智能的巡檢解決方案，推進了行業的數字化轉型和智能化升級。

關鍵詞：渣緩冷場；智能巡檢；物聯網；紅外熱成像；AI智能識別；數據分析；數字工廠

中圖分類號：TF082文章編號：1001-1277（2024）10-0076-04

文獻標志碼：Adoi：10.11792/hj20241012

引言

在金屬冶煉過程中，渣緩冷場是處理高溫熔煉渣的場所，對金屬冶煉的質量和效率起著至關重要的作用。傳統的巡檢方式依賴人工，不僅效率低，而且在高溫、粉塵、炸包等惡劣工作場景下，對工作人員的健康和安全構成較大威脅［1-5］。為解決這一問題，研發了渣緩冷場智能巡檢系統，該系統基于紅外傳感技術，結合了物聯網（IoT）、機器視覺、傳感器網絡、大數據分析及人工智能（AI）等先進技術，通過實時收集渣緩冷場的各種數據及智能算法分析，實現對渣緩冷場的智能管理。相較于巡檢機器人系統，紅外熱成像系統更適合渣緩冷場工作環境，能夠承擔大范圍、遠距離的巡檢任務，避免渣緩冷場高溫、粉塵、炸包等惡劣環境因素對系統穩定性的干擾，日常維護成本更低，性價比更高［6］。

本文詳細介紹了渣緩冷場智能巡檢系統的設計要求、設計原理、系統架構，并分析了該系統在實際應用中的效果和優勢，以期為金屬冶煉行業提供一種高效、智能的渣緩冷場巡檢解決方案，推動行業的數字化轉型和智能化升級，為生產安全和質量提升提供更有力保障。

1渣緩冷場智能巡檢系統設計

1.1需求分析

1.1.1主要需求

1）渣包溫度巡視和檢測。代替人工進行日常巡視和檢測工作，具有遠程遙控巡檢功能；能夠獲取每個渣包的表面溫度圖像，通過多種圖像分割、標定、識別等智能算法獲得渣包溫度，設定報警閾值后自動報警；獲取每個渣包的表面溫度分布情況及變化趨勢，直至渣包完全冷卻至安全溫度（表面溫度低于50 ℃）觸發轉運指令；可適用于室外全天候環境，實現全時無縫監測，運行效率高，通過智能溫度巡檢監測記錄每個渣位的渣包溫度狀態并進行渣包識別，實現對渣包、緩冷場透明化管理。

2）冷卻水噴淋狀況監測。對冷卻水的噴淋狀況進行監測，當出現噴淋水斷流等狀況導致冷卻中斷時自動觸發報警，引導現場人員進行排查，斷流有效檢出率達到80 %以上。

1.1.2難點分析

1）渣緩冷場面積大，渣包數量多，數據采集設備要做到全覆蓋必須架設在高處，會因與部分渣包觀測距離過遠而影響測量精度。

2）黑夜或大霧等惡劣天氣條件下，冷卻水噴淋圖像的采集清晰度受影響。

3）在高溫和化學物質沉積的作用下，數據采集設備的鏡頭容易結晶，造成采集圖像模糊。

1.1.3解決方案

1）對于觀測距離過遠可能導致測量精度降低的問題，采取以下解決方案：

（1）高分辨率傳感器。選擇高分辨率的紅外傳感器，能夠捕捉更多細節，在遠距離下保持更高的測溫精度。

（2）聚焦鏡頭設計。采用專業的聚焦鏡頭設計，使紅外測溫攝像頭能夠調整焦距，適應不同距離下的觀測需求，保持測量精度和清晰度。

（3）智能算法校正。采用智能算法對不同距離條件下觀測到的紅外圖像進行校正，提高測量精度［7］。

2）對于惡劣環境下的冷卻水噴淋圖像采集問題，研究采用可見光和紅外熱成像圖像共同采集［8］，并根據2種圖像綜合分析識別水流情況，實際效果如圖1所示。

3）對于設備鏡頭結晶的問題，研究為每臺紅外熱像儀的攝像頭配置了雨刷噴淋裝置，支持自動和手動噴淋清洗鏡頭。雨刷噴淋裝置實拍圖如圖2所示。

2024年第10期/第45卷礦業工程礦業工程黃金

1.2系統架構設計

1.2.1硬件選型

1）數據采集終端。前端數據采集設備選用DST6-A50Ti云臺式紅外熱像儀，該設備由T型云臺、紅外模組、可見光模組、防護罩、定制雨刷噴淋裝置等組成，配備了先進的熱成像傳感器和高清光學攝像頭，可同時獲取紅外熱成像圖像和光學圖像，具備高分辨率和高靈敏度的成像能力。該紅外熱像儀測溫在-40 ℃～1 500 ℃，測溫誤差不超過±2 ℃或測量值的±2 %，工作環境溫度為-20 ℃～60 ℃，在工作環境溫度范圍內變化時，測量值變化不大于2 ℃，能夠在現場高溫環境下保持設備性能穩定。

2）網絡交換機。選用16口千兆二層WEB網管企業級網絡交換機。

3）服務器。選用戴爾T3660標配塔式服務器。

1.2.2網絡規劃

渣緩冷場智能巡檢系統采用星型拓撲結構，中心設備連接所有外圍設備，利于管理和維護，并將整個網絡劃分為不同的子網，保證每個子網有足夠的帶寬和穩定性，避免單個子網中設備過多導致網絡擁堵［9］。

1.2.3數據傳輸方式

數據傳輸采用千兆網有線方式，安全性高，可以提供更快的傳輸速度和更穩定的網絡性能，且不容易受到電磁波干擾，信號更加穩定可靠。

1.2.4數據存儲方案

渣緩冷場智能巡檢系統采用本地存儲方式，方便數據的實時處理和分析，且圖像類數據循環存儲時間不少于365 d，視頻類數據循環存儲時間不少于360 h。

1.2.5數據分析算法

1）紅外熱成像測溫算法。在紅外熱成像中，不同的物體表面會以不同的灰度值顯示在熱成像圖像上。通常情況下，較高的灰度值對應著較高的溫度，較低的灰度值則對應較低的溫度。通過提前對渣緩冷場智能巡檢系統采集的紅外熱成像圖像灰度進行校準和分析，建立灰度與溫度之間的映射關系，也就是灰度和溫度的對應關系模型，結合該模型即可根據后續渣緩冷場智能巡檢系統采集到的紅外熱成像圖像中的灰度值精確反推出渣包表面溫度［10］。

2）AI智能識別分析算法。AI智能識別分析算法主要基于機器學習和深度學習方法，計算機通過學習大量數據的模式和特征，從而實現對圖像、文本、語音、時間序列等各種數據類型的識別和分析。渣緩冷場智能巡檢系統提前使用30萬張以上的各狀態水流噴淋圖像進行卷積神經網絡（CNN）深度學習計算，提取圖像中的特征，將預測結果與真實狀態之間的誤差最小化，提高算法的準確性［11］，能自動提取

現場獲取到的水流噴淋圖像特征并識別運行狀態。

1.3攝像頭部署

攝像頭選用固定分布式部署，相較于軌道式部署，具有以下優勢：

1）安裝更簡便。無需復雜的軌道安裝，減少了設備安裝的工作量。

2）數據采集更穩定。不會受到軌道運動或振動等外界因素影響，能夠采集到更準確的圖像數據。

3）運行維護成本更低。固定分布式攝像頭無需頻繁調整位置，且無需維護軌道，減少了運行維護成本。

紅外熱像儀共安裝12臺，在水泥柱上加裝3.5 m鋼結構立柱，在上方安裝紅外熱像儀，F區2臺加高4.5 m，加裝后總高度約為9.5 m。

1.4軟件功能

通過控制端軟件，能夠對渣緩冷場智能巡檢系統數據、巡航路線、巡航時間、預置點位、告警規則和告警方式等進行查看和設置等操作，軟件操作界面如圖3所示。

1.5系統集成

渣緩冷場智能巡檢系統由數據采集終端、中繼設備、專用分析服務器和可視化終端集成而成，集成框架如圖4所示。

雙光譜熱像儀對渣包和冷卻水噴淋設備進行圖像采集，通過中繼設備傳輸至專用分析服務器，專用分析服務器接收、處理前端傳來的各類信息，通過精準算法，識別渣包溫度和水冷噴淋系統狀態，并通過可視化終端展示分析結果和告警信息。

1.6測試與優化

渣緩冷場智能巡檢系統部署后，進行了功能測試、性能測試、系統集成測試、安全測試等一系列測試與優化，從而確保該系統能夠穩定可靠地運行，并達到預期效果。

1.7應用與維護

渣緩冷場智能巡檢系統正式投入運行后，定期進行用戶培訓、數據管理、故障處理和系統更新，以保證該系統的長期穩定性和可靠性。

2渣緩冷場智能巡檢系統特點

2.1技術創新

2.1.1紅外溫度算法判斷渣包冷卻狀態

渣包在冷卻過程中，不同部位溫度會有所差異，紅外熱成像技術能夠實時準確獲取渣包表面溫度分布圖像，監測渣包冷卻全過程的狀態，并通過訓練完善后的溫度算法模型，準確計算出渣包各階段及各部位的溫度情況，判斷溫度是否達到倒包標準的預設值［12］。

2.1.2紅外熱成像技術結合AI智能識別技術

使用紅外熱成像技術結合AI智能識別技術對渣緩冷場的冷卻水噴淋設備進行圖像采集和流量識別，具有以下技術創新性：

1）全環境監測。紅外熱成像技術彌補了可見光傳感器在黑夜和大霧等環境下圖像采集不清晰的缺點，做到了對噴淋設備狀態全時段、全環境的監測［13-14］。

2）智能化分析。相比人工目視檢查，智能化分析大大提高了識別的準確性和效率。

3）持續優化和學習。AI技術具有持續優化和學習的能力，通過不斷更新模型和算法，實現更精準的識別和更廣泛的應用。

2.2項目效益

1）安全性提高。減少了現場高溫、有毒有害和炸包環境下人為巡檢帶來的安全隱患。

2）效率提高。智能巡檢比人工巡檢更快速、頻繁、及時，在更短時間內發現并解決了更多故障。

3）成本降低。長期來看，智能巡檢可以大幅降低人力成本，減少因設備故障導致的各種損失。

4）數據驅動決策。基于大量實時數據的分析，管理層可以做出更加精準的決策，優化生產流程。

3結語

本文研制的渣緩冷場智能巡檢系統，在紅外熱成像技術和AI智能識別技術的支持下，實現了對渣包溫度和冷卻水噴淋設備流量的實時監測和識別。從現場應用結果來看，該系統在準確性和效率上表現出了顯著的優勢，能夠有效提高巡檢工作的質量和效率。未來，通過該系統運行數據的積累，將不斷優化和調整模型，使系統更加智能化和高效化，提高識別的準確性和穩定性，并拓展應用范圍，將該系統應用于更多的工業場景中。渣緩冷場智能巡檢系統在提高巡檢效率和準確性方面展現出了良好的應用前景，為相關領域的智能化管理和監測提供了參考和借鑒。

［參 考 文 獻］

［1］雷貴春.淺論銅渣選礦及綜合利用［J］.礦產綜合利用，1996（5）：17-20.

［2］金澤志，程凱，屈上林，等.銅冶煉渣緩冷全流程智能管控系統應用研究［J］.有色設備，2024，38（1）：56-61，67.

［3］岳建峰，劉智勇，羅羊，等.銅冶煉爐渣緩冷工藝技術應用實踐［J］.有色金屬科學與工程，2021，12（5）：55-60.

［4］何峰.某銅冶煉廠緩冷場工藝設計淺談［J］.有色冶金設計與研究，2015，36（4）：30-32，35.

［5］姚書俊.一種渣緩冷場布置的思考［J］.世界有色金屬，2019（22）：190-191.

［6］高磊.一種國外銅渣緩冷技術新方法［J］.中國資源綜合利用，2018，36（10）：72-73.

［7］吳超，安瑋，龍云利，等.遠距離紅外圖像目標分析及背景抑制算法［J］.紅外技術，2008，30（10）：571-574.

［8］張俊舉，常本康，張寶輝，等.遠距離紅外與微光/可見光融合成像系統［J］.紅外與激光工程，2012，41（1）：20-24.

［9］婁雪明，錢華林.基于IPSec VPN全星型網絡的實現［J］.計算機工程，2005（9）：115-117.

［10］曹彥鵬，張圓圓，楊將新.非制冷紅外熱成像測溫關鍵技術研究［J］.振動、測試與診斷，2024，44（2）：209-216，404.

［11］HU H Q，LYU J，YIN X L.Research and prospect of image recognition based on convolutional neural network［J］.Journal of Physics：Conference Series，2020，1 574（1）：012161.

［12］吳瑞蕤，王曉顏，劉興剛.基于機器視覺的有色金屬加工設備溫度狀態監控［J］.有色金屬加工，2023，52（4）：60-62.

［13］劉寶權，楊蓉，劉達，等.無人機智能巡檢技術在渠堤滲漏識別中的應用［J］.水利水電技術（中英文），2024，55（增刊1）：242-248.

［14］李建華.應用紅外熱成像儀進行設備檢測及故障判斷［J］.科技創新導報，2019，16（3）：115-116.

Development and application of intelligent inspection system for slag slow cooling fields

Wang Runnian1，Liu Liu2，Zhu Shibin2，Zhang Jieqing2

（1.Henan Zhongyuan Gold Smelter LLC.; 2.Anhui Guangzhi TechHqXFiRfap/vZU+K0wMzXTgoF7hBQX12/1qn7WNRbwmU=nology Co.，Ltd.）

Abstract：To address the issues associated with traditional inspection methods for slag slow cooling fields，which rely on manual operations and are characterized by high safety risks，low efficiency，high costs，low accuracy，and harsh environments，an intelligent inspection system for slag slow cooling fields has been developed and applied.This system uses a gimbal infrared thermal imager to capture thermal and visible light images of slag package and cooling water spray.By applying infrared thermal imaging temperature algorithms and AI-based intelligent recognition，the system accurately monitors temperature changes in slag package and the operational status of the spray，automatically identifying anomalies and issuing timely warnings.Since its implementation，the system has demonstrated high stability and precision，enabling staff to promptly address various on-site inspection issues，thereby ensuring production safety and stability.This system offers an efficient and intelligent inspection solution for the metal smelting industry，promoting digital transformation and intelligent upgrades within the sector.

Keywords：slag slow cooling field;intelligent inspection;Internet of Things;infrared thermal imaging;AI intelligent recognition;data analysis;digital factory