国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1、 項目背景介紹

在鋼鐵生產行業，對于物料、機械、生產過程和工藝的精細化管控，是實現產線高質量、低能耗、高效率生產的基礎條件。在中厚板產線，因為工藝設計的限制，中間一些核心環節依然處于人工控制的階段，沒有完全實現自動化控制生產。這主要體現在兩個方面：

其一是針對冷床、檢查臺架、橫移臺架的板坯跟蹤。在軋制、剪切等基于輥道的生產工序間，穿插了冷床、檢查臺架、橫移臺架等設施，最終形成了中厚板產線的非線性生產流程，這些中間設施需要通過額外的設備和系統實現局部的跟蹤，最終實現精整產線的跟蹤和管控。

其二是針對轉鋼過程的自動化控制。轉鋼過程是中厚板產線軋制過程的起點，其主要作用是通過配合轉鋼和對鋼坯在橫縱兩個不同方向上的軋制，使中厚板板坯達到目標軋制寬度。目前轉鋼過程依然有人工參與控制，未納入自動化管控之中。

其三，在中厚板軋制過程中由于來料兩側厚度、溫度不一致、軋機牌坊剛度、液壓缸相應的兩側差異、側導板對中跑偏等原因容易導致軋制過程中出現鐮刀彎。產線缺乏檢測設備和自動化控制手段，一旦鐮刀彎糾偏不及時，輕則降低成品成材率，重則影響生產甚至損壞設備，現場迫切需要一套系統全面的鐮刀彎控制方法。

因為上述問題的存在，中厚板產線未能完全實現自動化控制，進而導致精細化管理的不足，后流程數據反饋也比較繁瑣和之后，很大程度上影響了產線的生產質量和產線的整體效益。

2、 項目目標與原則

本案核心解決如下關鍵痛點：

1. 針對特殊場景的基于機器視覺的跟蹤技術

本案可以實施的核心原因之一是采用機器視覺技術，在滿足低成本、高穩定性的條件下，實現了冷床等中間設施上的物料跟蹤能力。機器視覺技術有一定的普適性，針對大多數物料可以清晰識別的場景，都可進一步實現對其的跟蹤。

2. 針對非線性的精整產線的跟蹤和管控

在解決痛點1，補全了從熱矯直機到雙邊剪、剖分剪間，冷床、檢查臺架和橫移臺架等中間流程的跟蹤信息后，結合原有產線輥道跟蹤系統的數據，實現了精整產線的物料跟蹤。并在此基礎上，通過對流程接口的控制和中間設施的調度優化，實現了生產過程管控的優化提升。

3. 針對轉鋼過程的自動化控制

利用機器視覺技術，實現對轉鋼過程的實時監控和轉動角度反饋，使過程控制系統有了自動判斷轉鋼到位的依據，實現該過程的自動化控制。

4. 對物料、機械和生產過程的綜合管控

通過實現了精整線的自動控制，可以進一步利用工業互聯網平臺的能力，為整個產線關鍵內容的全量數據采集，以及經過數據分析完成對產線生產過程的綜合管控打下基礎。本案首先針對中厚板產線設計和實施，主要適配于任何鋼鐵生產企業中的中厚板、寬厚板生產線的物料跟蹤和綜合管控場景。經過業務功能調整，可以推廣到其他連續、離散制造業產線。

5.板型缺陷檢測

通過深度學習技術的語義分割能力，提取板材板型輪廓，進行板材的舌頭、魚尾、鐮刀彎等板型缺陷分析。

3、項目實施與應用情況詳細介紹

一、 核心優勢

1)   利用先進的人工智能技術解決精整線控制的核心痛點問題

本案為國內外首個將機器視覺應用到中厚板物料跟蹤領域，通過普通攝像機實時跟蹤鋼板位置，成本低，效果好，穩定性強。目前針對中厚板精整產線的跟蹤和管控平臺應用還沒有找到其他對標企業，其中一個核心原因主要還是因為中間設施上物料跟蹤問題未得到較好的解決。目前的主要方案是采用傳感器技術，在中間設施下方部署大量的光柵傳感器。考慮到現場的溫度、粉塵、氧化鐵皮震落等問題，光柵傳感器本身的環境抗性要求就比較高，導致設備本身較為昂貴。同時，因為要求的覆蓋面積廣闊，傳感器需求數量非常巨大，進一步增加了實施成本。最關鍵的，一旦發生傳感器表面粉塵、氧化鐵皮堆積，傳感器檢測就會失靈，穩定性低。而且因為傳感器安裝于產線下方，不易維護，一旦發生問題，系統的投用時間就會大打折扣。相比于傳感器方案，基于機器視覺的物料跟蹤方案從幾個根本性問題上解決了原有的高成本、易失效、難維護的問題。首先，中厚板物料產品特征明顯，尺寸巨大，利用普通的高清監控攝像機即可實現基于機器視覺的跟蹤；可以從高處大范圍進行拍攝和圖像識別，根本上避免了近距離檢測需要考慮的環境問題，并減少了設備數量；拍攝條件限制較少，可選位置廣泛，且安裝在上方，可從多個角度避免環境客觀因素導致的系統失靈，提高系統運行穩定性。基于機器視覺技術的轉鋼過程控制同樣具有上述特點，實現中厚板軋制過程的起點的自動化控制。

2)   高度融合大數據和人工智能能力的架構

將大數據平臺和算法服務平臺相融合，似的大數據平臺在進行數據處理時能夠更容易的使用人工智能算法的能力。而算法服務平臺在構建新的智能化分析服務時，可以利用大數據平臺實現更加便利的對數據的管理和應用。二者相輔相成，形成真正的對工業場景的智能化賦能。

3)   利用數據可視化、數字孿生等技術讓數據活起來

為了更好的體現數據的價值和數據分析的結果，平臺廣泛利用了數據可視化和數字孿生等技術，使生產過程狀態可以更加清晰的展現出來，為生產過程的監控帶來便利，真正為產線工人提供幫助。

二、 架構設計

1)   整體設計

智慧中厚板視覺分析平臺由一套完整的工業互聯網平臺支持研發完成。自底向上大體分為物聯層、數據中臺層、業務中臺層、應用層。具體包括物理設備構成的物聯感知層、直接從物聯設備獲取數據的軟件系統構成的物聯數據層、對數據進行統一的接入、清洗、存儲、時空標準管理的數據規范化管理、統一負責大數據平臺與外部數據交互的數據總線、核心負責數據數據存儲、處理、分析并進行數據的業務主題映射的數據中臺層、結合數據主題整合業務主題的業務中臺層、實現統一接口服務并進行服務管理的服務總線層、支撐平臺對外服務的業務層以及基于平臺生成的看板數據及數據可視化的駕駛艙層。各層配合對外提供工業互聯網平臺的各種能力。

自主研發的大數據平臺是整個工業互聯網平臺的數據管理核心，支持進入平臺的全量數據的接入、存儲、組織和一部分處理工作。平臺底層以Hadoop體系為核心，構建分布式架構下的數據存儲、資源調度和狀態管理。數據接入方面以自研Kafka為最常用的數據接入方式，同時也支持其他多種時效性和多樣數據源的數據接入方式。數據處理方面，平臺整合了MR、Spark、Storm的能力對外可以提供批處理計算、流處理計算以及更為直接的數據挖掘能力，覆蓋了全部常用的數據處理需求。數據存儲方面，通過整合多種專項用途的數據庫的能力，配合分布式文件系統，實現了對異構數據的合理存儲。最后，統一進行用戶、權限和安全管理，實現平臺功能對外的安全賦能，并支持多種方式實現平臺能力的調用。

算法服務平臺基于人工智能和神經網絡的多種算法庫和模型設計框架為基礎設施、以多種機器學習算法和深度學習模型為核心賦能工具，利用數據處理、模型訓練等模型優化功能，完成工業智能化場景的高性能實現和落地。

結合大數據平臺的數據管理能力，利用獨特的雙向控制服務模塊，輔以針對特殊設備定制數據采集/接入模塊，實現算法服務與大數據服務的統一管理、調度和對外賦能。同時支持處理結果反饋到大數據體系實現數據閉環和業務閉環。利用容器管理技術，方便平臺服務在“云”（數據中心）上的橫向擴展和環境遷移，同時也有利于環境的整體邊緣化部署，形成“云-邊-端”的邊緣計算分層服務體系，以提供更快的響應速度，更低的帶寬占用。

2)   技術路線

a)   分布式和微服務架構

平臺各核心模塊均采用分布式、微服務架構的思想進行實現。做到高度解耦，自由擴展。核心的精整線跟蹤功能基于工作流思想實現，底層利用大數據流式處理進行開發，充分利用了大數據應用開發的擴展能力。應用開發基于Spring Cloud的微服務架構，實現了模塊解耦。智能分析中，各模塊基于Docker，并將高內聚模塊封裝成K8s的pod，以方便進行微服務管理和擴展。

b)   自研大數據平臺

  平臺以自研大數據平臺為基礎構建，覆蓋全量數據的采集、接入、組織、存儲、管理和應用。將大數據平臺的能力與其他各個模塊有機結合，進一步提升平臺各模塊的能力。

c)   采用先進的機器視覺分析算法

  在進行圖像處理過程中，采用深度卷積神經網絡，完成圖像中物料的識別和定位，進而分析出物料和物料間的相關數據。利用最新研究的卷積技術和激活函數調整，優化網絡結構，提升網絡分析速度，以滿足實時跟蹤的處理性能要求。網路框架采用PyTorch，利用其良好的向前兼容性，盡量減少了在未來應用中的模型返工的可能性和工作量。

d)   高清成像系統

  采用高清監控相機和高分辨率工業面陣相機，以滿足相應場景下的圖像清晰度要求，為分析精度提供保障。

e)   數字孿生

  數字孿生，是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。

三、 方案功能

方案主要功能有四個，一是對精整線物料跟蹤，二是對生產流程的優化，三是質量控制和工藝優化，四是精整線綜合管控。

1)   精整線物料跟蹤

為實現的物料跟蹤，針對中厚板精整產線這種非線性的生產過程，主要分為兩個步驟：實現階段性流程中的局部跟蹤和進行跟蹤數據歸集并通過界面分析拼接多個階段的跟蹤數據，完成整體的物料跟蹤。

a)   實現局部跟蹤

利用多種方式實現物料的階段性局部跟蹤，對于輥道生產過程階段，現有的生產控制系統對物料的定位，已經可以在精度和穩定性等方面滿足物料跟蹤的實際需求，本案通過接口服務，直接與相關系統進行通信并獲取數據。

針對本案中提到的特殊設施，如冷床等，則采用基于機器視覺的智能化分析方式，利用拍攝和采集到的圖像，對設施上的物料進行整體的識別和定位，實現過程中物料位置數據的提取。

在拿到不同的來源的位置數據后，構建物料的生產過程狀態模型，利用這些數據反映物料所處的階段和動向，尤其反映出物料在階段的進入和離開的動向信息，以便實現前后階段跟蹤的拼接。

b)   實現數據歸集和跟蹤拼接

在階段性的局部跟蹤中，以產線為主體，反映其上的物料所在的位置和相對于該階段產線的狀態。在跟蹤拼接后，以物料為主題，反映其目前屬于的生產流程階段和相應狀態。為此，需要實時進行各階段生產流程的數據歸集，利用物料的唯一標識，整合物料在各階段的狀態模型，尤其針對每一時刻的物料進入、離開產線的動向信息進行向前、向后的匹配，從而實現跨生產流程階段的物料跟蹤拼接。進而可以實現精整線的物料跟蹤。

2)   生產流程的優化

以物料識別、定位和跟蹤為基礎，可以進一步實現多個中厚板產線的自動化控制、過程調度、質量跟蹤等生產流程優化能力。

a)   自動化上下料

中厚板產線冷床等設施的物理傳送結構，是整體聯動的，部分冷床可以實現區域性局部運動，但依然存在對整體運動的影響。因此，在物料進入或離開設施時，可能是需要整個設施上的所有物料一同移動的。因此，在執行上料、下料時，需要根據實際情況，判斷是否在同時進行上下料操作和該操作是否有相互影響，進而判斷是否滿足上下料的物料傳動條件。利用對產線冷床等設施上的物料位置分析，可以自動判斷設施當前是否上下料的條件，進而實現該過程的自動化控制。

b)   調度優化

  在上述設施中，冷床段的主要用于實現中厚板產品的自然冷卻。為了更高效的利用冷床上的空間，可以通過圖像分析的方式智能化實現該功能。在生產密集的周期內，在中厚板板坯進入冷床時，入口工業相機開始工作，監控冷床入口最后一塊進入板坯和新一塊進入板坯間的距離，以此來把控區域的物料密集度。在生產不密集的周期內，通過物料跟蹤的監控攝像機，可以實現相對較低精度的產線物料排布控制。綜合兩種排布分析和控制，整體把控冷床設施的利用率。

3)   質量控制和工藝優化

  利用人工智能技術對生產過程的特定數據進行分析檢測，用于判斷產品質量并根據分析結果指導工藝優化。本案中實現了中厚板板坯鐮刀彎控制，通過對軋制過程中的板坯的版型進行分析，判斷是否出現鐮刀彎的情況，并計算鐮刀彎的曲率，從而指導后續道次對板坯軋制的工藝參數。

四、 技術內容

1)   成像硬件系統

  成像硬件系統主要由高清攝像機和工業面陣相機組成。

  工業面陣相機用于進行入口上料區域的圖像獲取，以控制兩個鋼板間的邊緣距離，使之滿足一定的最小距離限制，以便后續圖像分析中可以正確區分相鄰的鋼板個體。

  高清攝像機整體覆蓋冷床、檢查臺架、橫移臺架以及中間庫區的整個設施范圍，用于進行鋼板分布的視頻圖像采集，用于進行鋼板位置識別和跨攝像機的物料跟蹤分析。

2)   模型服務模塊

  模型側服務模塊基于Docker封裝為鏡像，具有較好的獨立性，通過接口與外部實現低耦合的通信和協作，同時同樣具有較好的擴展性。處理模型由機器學習算法、機器視覺算法庫以及深度神經網絡共同完成，用于對連續的視頻幀進行靜態分析和動態關聯，最終實現整體的跟蹤能力。

a)   調整語義分割模型Unet，提升模型精度

  為了解決Unet無法對遠程上下文交互和空間依賴性進行建模的問題，我們將U形結構與Transformers的注意力機制相結合形成了一個新的語義分割網絡。自注意模塊(MHSA)位于編碼的末端、解碼器的前端，作用在最抽象的特征圖上，它將每個元素相互連接起來，從而訪問包含所有輸入圖像的感受野，以此來獲取圖像遠程上下文信息。交叉注意力模塊(MHCA)通過減弱跳連(skip connection)特征中與鋼板無關的區域的權重，增強相關區域的權重，來濾除非鋼板像素，最終實現UNet解碼器中的精細恢復。最終實現了模型鋼板識別精度的提升。

b)   采用空洞卷積進行加速

  為了在保證算法模型準確率的前提下提升算法性能，將5x5的標準卷積替換成了3x3的空洞卷積。經試驗，算法準確率基本不變，速度提升一倍。

3)   平臺側服務模塊

   平臺側服務模塊基于Spring框架，可以快速將現有MVC架構調整為Cloud架構，以方便后續的微服務化、大數據整合或性能橫向擴展的需求發展。包括：數據存儲、平臺應用服務、接口服務、精整線跟蹤服務、數據總線和監控管理。

a)   平臺應用服務

  平臺應用服務提供用戶界面，展示實時跟蹤情況、查詢歷史記錄，并提供相關業務操作以及監控報警等功能。服務采用B/S架構，可以在網絡內任意支持版本的瀏覽器上進行訪問和監控。

b)   接口服務

  平臺提供統一的接口服務，實現平臺應用服務與其他服務的解偶，同時作為生產二級系統與平臺進行數據交互的統一界面。精整線跟蹤所需的二級系統數據以及二級系統需要平臺協助完成的跟蹤和調度任務，均通過接口服務進行配置打通數據通道。通過與二級系統的數據交互，真正做到精整線的物料可追溯，為實現全流程可控制打下堅實基礎。接口服務支持多種通信協議的動態配置以及通過消息中間件MQ、Kafka等將數據接入工業大數據/工業互聯網，極大程度上適配工業生產場景的通信接口和通信方式的要求。

c)   中厚板精整線跟蹤服務

  通過將從二級系統和智能分析得到的跟蹤數據進行歸集，結合工作流設計中明確的界面數據關聯方式，利用大數據流式計算的能力進行數據分析和整合，實現精整線物料跟蹤的能力。

d)   數據存儲

  平臺產生并需要記錄的數據具有異構性，有常規的生產記錄、跟蹤記錄等關系型數據，也可能要保存階段性視頻數據等非結構化數據用于故障分析。平臺數據存儲結合數據庫和文件系統，滿足多種存儲需求。

e)   數據總線

  利用數據總線，完成平臺內部數據存儲、智能分析服務和中厚板精整線跟蹤服務間的數據交互，提供高內聚的數據交互方式。

f)   監控管理

  監控管理統一對平臺內的一切狀態變化進行記錄，包括操作監控、接口監控、服務監控以及硬件監控。

五、 具體應用案例介紹

1)   應用企業簡介

   首鋼京唐公司中厚板部為本案產品需求的提出方。目前在生產過程中，因為中間設施的自動化物料跟蹤困難，依然采用人工跟蹤的方式，在中厚板板坯從設施離開時，人工觀察板坯上噴印的唯一標識，手工輸入到后續的生產系統中，實現物料的跨輥線跟蹤。人工跟蹤效率低下，非常影響生產節奏，特別是在冷床設施，因其用途本身就是對大量中厚板板坯進行自然冷卻，其上存儲數量較多。尤其在生產密集的周期內，如果無法快速的進行板坯下線，容易造成冷床堵塞等問題。

同時，冷床本身的利用率無法得到精確的控制，通過人工進行觀察和控制，容易造成機械動作區間的判斷不精確，容易操作板坯錯誤的運動，導致冷床上板坯碰撞，或錯誤的判斷板坯無法運動，導致冷床上的板坯間距過大，降低冷床利用率。

中厚板部考慮過采用傳感器的方式實現冷床區間的物料跟蹤，但因為其成本較高，穩定性較差，最終放棄了。但中間設施的自動跟蹤和精整線的智能化跟蹤管控，依然是中厚板部的迫切需求。

2)   應用步驟

本案實施過程中，首先實現了對中間設施智能化的局部過程跟蹤。通過在設施合適位置安裝工業相機和高清攝像機，完成覆蓋全區域的圖像采集系統，通過對圖像的分析實現物料的識別和定位。利用物料的分析識別結果，實現局部過程的物料跟蹤，同時對相應中間設施實現自動上下料過程和調度優化。

同步的，打通平臺與現場生產控制系統的數據通道，獲取輥線物料位置信息，分析得到輥線流程的物料跟蹤數據。綜合各局部過程跟蹤數據，拼接實現精整線的過程跟蹤數據。

在實現了精整線的自動化控制以及數據通道打通后，可以利用大數據平臺的數據管理能力，接入全產線的物料、機械設備、生產過程數據，對數據進行組織、存儲和主題化的管理，為數據應用做好準備。同時可以，進一步完成精整產線綜合管控，通過大數據和人工智能數據分析，對存儲的數據資產進行利用。同時，可以實現基于數據可視化和數字孿生技術，實現對產線的實時仿真和狀態展示。

最終實現工業互聯網平臺真正對產線進行優化，為工廠帶來經濟和管理上的益處。

4、效益分析

本案產品采用先進的人工智能技術、高清成像技術、大數據技術以及分布式計算和邊緣計算技術，具備本地云擴展和接入工業大數據/工業互聯網的能力，充分考慮了廠區技術革新的擴展和兼容性需求。作為首個基于人工智能技術的中厚板產線物料跟蹤系統，填補了國內板材跟蹤領域的空白，具有非常明顯的技術示范效果和模范帶頭作用。

通過部署本案產品，首鋼京唐公司中厚板產線，有效地提高了中厚板產線物料跟蹤過程的穩定性和準確度、提高了轉鋼到位的準確率，極大的縮減了相關人工輔助跟蹤工作量，避免了因為人工失誤導致的產品損傷問題，降低了損耗。通過優化轉鋼控制流程、冷床控制流程，綜合產能提升帶來約615萬元效益提升。通過優化鐮刀彎檢測，改善產品質量，提升成材率帶來約223萬元效益提升。同時，統計能源消耗優化效果，帶來約185萬的效益提升。共計產生1023萬元經濟效益，具有顯著的經濟效益提升。

5、提供清晰工程現場照圖，照片分辨率>300DPI

精整線物料跟蹤

板坯旋轉測控系統

鐮刀彎檢測系統

中厚板精整線綜合管控平臺