2024年03月29日

星期五

科学技术
联系我们
江苏省钢铁行业协会
协会地址 : 南京市御道街58-2号 明御大厦703室
咨询热线 : 025-84490768、84487588
协会传真 : 025-84487588、84490768
基于人工智能技术的废钢智能验质系统的研发及应用

2022-07-15 10:45:26

来源:河钢数字技术股份有限公司、河钢集团有限公司

浏览3374

一、研究的背景与问题

随着国家双碳战略的进一步深化,国家环保要求的进一步趋向严格管控,同时,钢铁冶炼原材料铁矿石价格的不断攀升,长流程炼钢在工艺、成本、管理方面面对的挑战越来越大。废钢作为唯一可以代替铁矿石炼钢的绿色环保、可多次循环利用的再生铁素资源,将在后续钢铁冶炼中占据更重要的作用和地位,更加广泛的应用于钢铁冶炼。由于废钢使用量大,多料型掺杂混装,且时常发生废钢掺假等现象,为保证产品质量、提升钢铁产量,避免爆炸、钢水喷溅等事故的发生,需要对购买的废钢进行验质。传统废钢验质工作面临如下几个难题:

1、钢铁企业废钢验质过程,通常应用人工目测、卡尺测量等手段,受人为主观因素影响较大,缺乏统一的废钢分类定级标准,无法形成量化的评价结论及很好的数据分析,不易让供应商信服。

2、废钢验质作业环境较为恶劣,验质人员每次需要攀高四五米到大货车车顶,对车内废钢进行近距离观察,劳动强度大,作业风险高,效率低下。

3、卸货过程中,掺假、密闭容器未切割、超长超大件等,在人工验质过程中,经常存在漏验、错验等情况,异物无法及时提醒,可能会直接影响后续钢铁冶炼安全,发生重大的安全事故或生产事故。

4、废钢验质结果将直接决定废钢的回收价格,判级等级的差异直接影响钢铁企业的利益、供应商的利益,进而影响供应商的合作积极性。如何实现双赢,保障双方利益,也是传统验质工作执行难的重要难题。

结合钢铁企业现状,利用人工智能技术,建设贴合钢铁企业实际,实现废钢验质从人工验质到无人验质重大突破的智能废钢验质系统,对提升钢铁企业核心技术竞争力,推进钢铁行业废钢智能化整体水平,打造钢铁行业统一废钢标准,将有重大的战略意义。

二、解决问题的思路与技术方案

为了改进废钢验质过程中,过多依赖人为经验、错判率高等问题,河钢数字科技自主研发了基于人工智能技术的废钢智能验质系统。该系统主要利用机器视觉对废钢车辆卸料过程实时感知、逐层采样,通过人工智能技术(AI),在卸货过程中进行单层判级和整车判级,智能识别出不达标废钢、杂质和异物,最终通过AI算法计算出整车扣重的预估值,对危险物、异物及时做出预警。

平台采用分层架构,平台设备硬件、平台服务和算法服务高度解耦,均可单独部署及运行,满足平台具备支持多用户、高并发的能力;支持快速开发,迅速响应的要求;满足平台功能高扩展性,能够给当前常用技术予以支撑。系统整体架构包含网络信息化基础设备层、数据层、服务层、应用层。本系统研究内容主要集中在服务层、应用层,包含基于机器视觉的图像处理技术、废钢智能算法、废钢远程检测技术、智能人机交互技术。


图1:系统架构图


1、基于机器视觉的图像处理技术

钢铁企业废钢验质点部署硬件摄像头、刷卡一体机、交换机、NVR硬盘录像机等配套设备,实现卸货过程视频、图片的采集、传输、存储,为废钢智能验质系统提供数据支撑。


图2:验质点硬件设备安装方式


2、废钢智能算法

智能废钢验质系统采用人工智能技术,以深度学习技术为核心,应用神经网络算法,主要分为废钢区域提取、天车吸盘(抓斗)追踪、废钢识别、异物检测、扣重计算,5大AI算法模型。

(1)废钢区域提取AI算法。算法采用卷积神经网络,利用ResNet-FPN对废钢车图像进行多尺度特征提取,100+卷积层、千万量级参数。通过头部网络实现对车厢位置像素级的识别。能够实现自动识别车辆位置;并对车厢进行像素级识别提取,判断提取图像的质量,确保车厢图片清晰;自动识别车辆中是否装卸料,识别车中料位状况。


图3:废钢区域提取算法


(2)天车吸盘(抓斗)追踪AI算法。采用卷积神经网络,利用CSPdarknet53作为主干特征提取网络,结合SPP网络实现多尺度特征提取,70+卷积层、6千万参数提取抓斗特征,实时自动追踪废钢抓斗,模型具有很高的追踪速度,保证追踪抓斗的实时性,具有很高的定位精度,保证追踪抓斗的准确性。能够精准追踪抓斗和吸盘位置实现自动定位。


图4:废钢抓斗(吸盘)追踪算法


(3)废钢料型识别AI算法。采用卷积神经网络,利用空间金字塔池化模块和编码器-解码器结构的网络对废钢图像进行像素级多尺度特征提取,对大型、中型、小型废钢都可以精准识别,在保证识别速度的同时可以实现不同类型废钢像素级分割,预测出不同厚度类型废钢的占比。能够准确识别出废钢混料中不同类型废钢的数量、厚度、面积等特征信息,计算出混料不同类型重量占比。


图5:废钢识别算法


(4)异物检测AI算法。采用卷积神经网络,利用高效的多尺度特征融合和模型缩放相结合,对废钢图像进行特征提取,检测密闭容器、液压缸、爆炸物等危险品,对不同形状、大小的危险品能够实现高精度识别,在复杂背景下依然保持极高的识别速度,使异物检测更高效。能够准确识别密闭油缸、气缸、油桶、灭火器等密闭容器和超长件,并自动报警,自动识别碎渣、碎土、碎屑等信息,完成自动扣杂扣吨。


图6:废钢识别算法


(5)扣重计算AI算法。通过废钢识别算法模型和异物检测算法模型输出的结果,利用自学习特性实现对整车等级判定和扣重预测。


图7:扣杂算法


设计人工神经网络,对大量历史数据学习,通过多层神经网络对大量历史废钢占比、杂质、扣重数据学习,实现扣重智能计算。

3、智能人机交互技术

基于人工智能技术的废钢验质系统人机界面,是融合设备交互技术、视频、实时卸货数据信息,打造人与废钢验质系统相互交流、相互协同、智能决策的交互媒介。


图8:司机刷卡客户端


图9:小程序智能分析终端


图10:智能废钢验质系统页面


三、主要创新性成果

1、基于深度学习的废钢卸料变化区域自动识别技术

利用卷积神经网络构建废钢车厢定位模型,基于卷积神经网络构建废钢卸料抓斗追踪模型,高斯混合模型对背景建模,识别出废钢抓斗抓取后废钢车厢变化区域,并保存面积最大的变化区域。

2、基于空间金字塔结构语义分割算法的废钢料型识别技术

采用卷积神经网络,利用空间金字塔池化模块和编码器-解码器结构的网络对废钢图像进行像素级多尺度特征提取,对大型、中型、小型废钢都可以精准识别,在保证识别速度的同时可以实现不同类型废钢像素级分割,预测出不同厚度类型废钢的占比。

3、基于多尺度目标检测算法的废钢异物检测技术

采用卷积神经网络,利用CSPdarknet53作为主干特征提取网络,利用高效的多尺度特征融合和模型缩放相结合,对废钢图像进行特征提取,检测密闭容器、液压缸、爆炸物等危险品,对不同形状、大小的危险品能够实现高精度识别,在复杂背景下依然保持极高的识别速度,使异物检测更高效。

4、钢铁冶金行业废钢环节一车多点卸货交互系统及方法

通过概率计算,自动判断不同车道的车辆占比,计算出车辆较少的通道,实现卸车的自动推荐,解决传统废钢验质环节中,人工沟通较繁琐,司机现场卸货耗时耗力,无法做到最优时间卸货等问题。

四、应用情况与效果

本项目于2021年11月1日在河钢集团舞钢公司一炼钢厂、二炼钢厂成功上线运行,目前可实现年识别 200 万吨废钢体量的系统应用支撑,准确率方面,单一料型废钢判级准确率95%,土渣、水泥块、油渍识别准确率90%,整车废钢评级准确率95%以上,扣重偏差值 200kg 以内准确率达90%以上,整车的密闭容器、危险品的识别准确率≥90%,实现废钢验质从人工验质到无人验质的重大突破,达到国内领先水平。

本项目成功上线,实现验质流程标准化、透明化、可追溯、可复查,预计为产线节约成本数百万元,同时形成了量化的供应商评价体系,实现钢铁企业和供应商的双赢。项目已成功申报专利3项,软著4项。