ACS880-07C
关注中国自动化产业发展的先行者!
CAIAC 2025
2024
工业智能边缘计算2024年会
2023年工业安全大会
OICT公益讲堂
当前位置:首页 >> 案例 >> 案例首页

案例频道

基于人工智能技术的中厚板全流程跟踪平台
  • 企业:     领域:人工智能    
  • 点击数:2953     发布时间:2021-12-04 12:00:14
  • 分享到:
解决方案采用先进的人工智能技术、高清成像技 术、大数据技术以及分布式计算技术,具备本地云扩展 和接入工业大数据/工业互联网的能力,充分考虑了厂 区技术革新的扩展和兼容性需求。作为首个基于人工智 能技术的中厚板产线物料跟踪系统,填补了国内板材跟 踪领域的空白,具有非常明显的技术示范效果和模范带 头作用。

北京首钢自动化信息技术有限公司

1  目标和概述

1.1 生产场景现状概述

在钢铁行业的中厚板生产过程中,冷床、检查台 架、横移台架等设施导致钢板物料在辊道上的运行不 连续,同时根据钢板的轧制情况,物流会去往不同的 后续流程,也增加了辊道跟踪的变化。为了能够将物 料在不同辊道上的跟踪接续起来,最终实现全流程跟 踪管控,需要在上述设施上额外安装设备来协助完成 跟踪任务。

现有的冷床、检查台架、横移台架跟踪技术主要 依赖于光栅,通过在设施下方密集地安装光栅实现定 位和跟踪能力,设备安装密度高。又考虑到冷床上的 钢板温度很高(600℃以上),该设施下方安装光栅需 要做到耐高温,单一设备昂贵。因此,现有方案成本 极高。另外,钢板在三种设施上移动,容易造成氧化 铁皮脱落,掉落在设施下方可能导致光栅被遮挡甚至 损坏。安装在设施下方,一旦出现设备问题,进行维 护需要等到产线停产,非常影响平台的稳定性和用户 体验。同时,现有传感器方案不能处理钢板中途调走 导致的跟踪问题。

1.2 本方案要解决的问题

(1)提高冷床、检查台架、横移台架等区域的平 台进行自动化钢板跟踪的稳定性;

(2)构建全产线跟踪体系,做到产品可追溯;

(3)降低整套解决方案实施成本。

1.3 总体技术路线

(1)采用人工智能技术,基于机器视觉能力,以 深度神经网络为主,辅以机器视觉算法库的通用处理, 实现对视频中钢板位置的精确定位;

(2)采用人工智能技术,基于数据分析能力,基 于循环神经网络,对视频中的钢板进行跟踪;

(3)结合生产二级系统现有跟踪能力,配合 使用人工智能技术分析的冷床等区域的钢板跟踪数 据,使用大数据流式分析和数据处理,完成全产线跟 踪体系;

(4)采用高清摄像机、工业面阵相机作为主要图 像采集设备,可以从多方面降低整体成本;

(5)摄像机和工业相机设备安装在产线上方,不 易损坏,易于维护,有助于整体提升平台稳定性。

1.4 主要技术目标

(1)智能分析实现跟踪:平台接收多台摄像机的 视频流,能够实时分析视频中钢板的位置变化,准确 识别钢板,对钢板进行跟踪,平台跟踪准确率达97%以 上,对平台异常情况进行甄别和处理。

(2)实现全流程跟踪:接入生产二级系统可以提 供的所有钢板信息的静态数据和钢板位置跟踪的动态数 据,以及智能分析得到的钢板位置跟踪动态数据,整合 钢板全流程跟踪数据,并以图像化的方式将钢板位置同 步地展示到浏览器页面上,提供从全产线到具体过程多 个层级的跟踪监管。

2 方案详细介绍

2.1 平台架构

平台整体架构包括:成像硬件系统、数据存储、 智能分析服务、全流程跟踪服务、平台应用服务以及 贯穿以上服务的数据总线、接口服务以及监控管理。 智能分析服务实现基于人工智能技术的钢板跟踪;全 流程跟踪服务结合各种跟踪数据,实现全流程的钢板 跟踪;平台应用服务提供用户界面,展示钢板实时情 况。如图1所示。

图片.png

图1 平台整体架构

2.2 关键创新点

(1)采用人工智能技术实现高精确的钢板识别和 跟踪检测,钢板识别精度达到97%,对跟踪检测影响很小,做到钢板精准跟踪;并通过GPU加速和模型优 化,提高检测效率,做到实时响应、实时反馈;同时 利用视觉技术检测板材间距,优化上料过程和冷床等 设施的利用率;

(2)整合生产二级系统现有跟踪数据,形成贯穿 全产线的全流程跟踪体系,做到产品可追溯;同时可 以实现生产过程的整体调节,优化产线生产效率,提 高产能,降本增效;

(3)充分利用图像分析能力,在满足分析条件的 情况下,尽可能扩大相机画幅覆盖范围,同时增加了 相机到钢板的距离,即降低了对设备耐高温的限制, 又减少了设备数量,节省了大量成本。

2.3 成像硬件系统

成像硬件系统主要由高清摄像机和工业面阵相机 组成。

工业面阵相机用于进行入口上料区域的图像获 取,以控制两个钢板间的边缘距离,使之满足一定的 最小距离限制,以便后续图像分析中可以正确区分相 邻的钢板个体,如图2所示。

图片.png

图2 工业面阵相机功能

高清摄像机整体覆盖冷床、检查台架、横移台架 以及中间库区的整个设施范围,用于进行钢板分布的 视频图像采集,用于进行钢板位置识别和跨摄像机的 物料跟踪分析,如图3所示。

图片.png

图3 高清摄像机功能

2.4 模型服务

模块 模型侧服务模块基于Docker封装为镜像,具有较 好的独立性,通过接口与外部实现低耦合的通信和协 作,同时具有较好的扩展性。处理模型由机器学习算 法、机器视觉算法库以及深度神经网络共同完成,用于 对连续的视频帧进行静态分析和动态关联,最终实现整 体的跟踪能力。如图4所示。

图片.png

图4 模型侧服务模块

2.4.1 调整语义分割模型UNet,提升模型精度

为了解决UNet无法对远程上下文交互和空间依赖 性进行建模的问题,将U形结构与Transformers的注 意力机制相结合形成了一个新的语义分割网络。自注意 力模块(MHSA)位于编码的末端、解码器的前端,作 用在最抽象的特征图上,它将每个元素相互连接起来, 从而访问包含所有输入图像的感受野,以此来获取图像 远程上下文信息。交叉注意力模块(MHCA)通过减 弱跳连(skip connection)特征中与钢板无关区域的 权重,增强相关区域的权重,来滤除非钢板像素,完成 UNet解码器中的精细恢复。最终实现了模型钢板识别 精度的提升。

2.4.2 采用空洞卷积进行加速

为了在保证算法模型准确率的前提下提升算法性 能,将5×5的标准卷积替换成了3×3的空洞卷积。经 试验,算法准确率基本不变,速度提升一倍。

2.5 平台侧服务模块

平台侧服务模块基于Spring框架,可以快速将现 有MVC架构调整为Cloud架构,以方便后续的微服务 化、大数据整合或性能横向扩展的需求发展。包括:数 据存储、平台应用服务、接口服务、全流程跟踪服务、 数据总线和监控管理。

2.5.1 平台应用服务

平台应用服务提供用户界面以展示实时跟踪情况、 查询历史记录,并提供相关业务操作以及监控报警等功 能。服务采用B/S架构,可以在网络内任意支持版本的 浏览器上进行访问和监控。

(1)工作流设计

根据中厚板产线的生产工艺过程,进行工作流设 计,明确过程间的界面,确定界面处的数据走向、数据 关系和关联方式,从而实现全流程的跟踪控制。

(2)可视化展示

提供多级别的跟踪管理展示界面,实现从厂区到 工艺流程的多维度跟踪结果展示方式,结果实时进行展 示,可动态观察钢板的产品编号和其在冷床等设施上的 相对位置和运动过程,以及钢板上下料或者被中途吊走 的不同入口出口情况的动态。

(3)日志报表

提供多维度的日志查询,用于分析各系统、服务 状态,以及生产系统的整体情况。包括物料跟踪的详细 数据、系统的操作日志、报警日志等。日志可以导出为 报表,支持日报、月报、季报等多种时间粒度的报表生 成。

(4)监控报警

监控模块整体监控各个硬件设备和软件模块的运 行状态并即时反馈问题,用于自动修复或报警,确保系 统稳定性或尽量加速问题发现和解决的周期,提高系统 投用率。

2.5.2 接口服务

平台提供统一的接口服务,实现平台应用服务 与其他服务的解耦,同时作为生产二级系统与平台进 行数据交互的统一界面。全流程跟踪所需的二级系统 数据以及二级系统需要平台协助完成的跟踪任务,均 通过接口服务进行配置打通数据通道。通过与二级系 统的数据交互,真正做到全产线的物料可追溯。接口 服务支持多种通信协议的动态配置以及通过消息中 间件MQ、Kafka等将数据接入工业大数据/工业互联 网,极大程度上适配工业生产场景的通信接口和通信 方式。

2.5.3 全流程跟踪服务

通过将从二级系统和智能分析得到的跟踪数据进 行归集,结合工作流设计中明确的界面数据关联方式, 利用大数据流式计算的能力进行数据分析和整合,最终 实现跨工艺流程的全流程物料跟踪。

2.5.4 数据存储

平台产生并需要记录的数据具有异构性,有常规 的生产记录、跟踪记录等关系型数据,也可能要保存阶段性视频数据等非结构化数据用于故障分析。平台数据 存储结合数据库和文件系统,满足多种存储需求。

2.5.5 数据总线

利用数据总线,完成平台内部数据存储、智能分 析服务和全流程跟踪服务间的数据交互,提供高内聚的 数据交互方式。

2.5.6 监控管理

监控管理统一对平台内的一切状态变化进行记录, 包括操作监控、接口监控、服务监控以及硬件监控。

(1)操作监控与接口监控

记录完整的监控日志,具体到每一次按钮点击、 每一次接口调用都进行必要的监控记录,实现操作过程 可追溯。不开放任何操作日志的修改接口,操作日志由 界面操作和接口动作分别创建,准确区分界面操作错误 与网络攻击,精确定位异常动作。

(2)服务监控与设备监控

实时确认核心服务和设备的工作状态,及时发现 工作异常,记录并发出报警,提示进行平台维护,确保 系统稳定性或尽量加速问题发现和解决的周期,提高系 统投用率。

2.6 安全措施

2.6.1 设备安全措施

(1)在设备部署的施工过程中,做好设备防护工 作,确保必要的工作环境条件得以满足;

(2)规范施工操作流程,确保施工质量达标;

(3)定期进行设备检查,及时发现设备问题;

(4)设备附近按照规定,张贴设备说明告示板、 危险警告标识等必要的通知、警告标志。

2.6.2 网络安全措施

(1)做好远程访问保护,如主机系统关闭对外密 码远程登录功能并以授权密钥的方式进行远程身份验 证、数据库访问设置有限权限的远程访问等安全设置, 尽可能杜绝远程连接安全风险;

(2)采用HTTPS协议实现网络通信,构建本地证 书体系,实现安全的数据加密;

(3)HTTP接口方面,原则上所有接口需在用户 权限下进行访问,以确保操作日志完整性;

(4)对于确实无法实现用户SESSION的接口调用 需求,应以指定IP进行访问和MAC校验工作,确保请 求端可信任,同时在条件满足的情况下,实现双通道数 据交互;

(5)对用户权限进行合理设计和管理,并对用户 行为进行数据分析,对危险用户进行封号处理;

(6)优化代码、服务的安全设置和处理,以更安 全的编码规则和处理逻辑,做好网络安全事前、事后防 御机制,减小事故造成的损失。

2.6.3 数据安全措施

(1)进行完整、合规、符合必要范式要求的数据 结构设计和约束设计,强制要求必要的数据完整性;

(2)合理使用事务机制,以保证数据具有充分的 完整性;

(3)在界面操作和接口调用时,分别对数据进行 必要的校验和判断,确保数据合法、合理;

(4)定期进行数据分析,从时间戳、数据重复等 方面,加强数据整体判断,及时发现问题并结合日志等 历史数据定位问题原因,及时解决数据错误,优化数据 完整性并避免问题再次发生。

3 代表性及推广价值

解决方案采用先进的人工智能技术、高清成像技 术、大数据技术以及分布式计算技术,具备本地云扩展 和接入工业大数据/工业互联网的能力,充分考虑了厂 区技术革新的扩展和兼容性需求。作为首个基于人工智 能技术的中厚板产线物料跟踪系统,填补了国内板材跟 踪领域的空白,具有非常明显的技术示范效果和模范带 头作用。

本方案以中厚板产线设施大小为主要参数,限制 条件较少,定制化调节能力强,可以推广到类似产线的 全产线跟踪场景。因此可以作为产品进行封装并具有商 业推广可行性和推广价值。经调研,除了首钢京唐中厚 板产线,在江苏沙钢宽厚板产线、辽宁凌钢中厚板产线 等钢厂,都具有良好的适配性,工厂对此需求也比较迫 切,产品的推广空间非常广阔。

本解决方案有效地提高了中厚板产线物料跟踪过 程的稳定性和准确度,极大地缩减了相关人工辅助跟踪 工作量,避免了人工失误导致的生产问题,降低了损 耗。综合人工成本和废品损耗,每年可节约成本400万 元。同时,平台整体提升了前后流程的协同工作效率, 提升上下料效率和冷床等设备的利用率,每年可额外提 升产能200万元,具有显著的经济效益。

摘自《自动化博览》2021年11月刊


热点新闻

推荐产品

x
  • 在线反馈
1.我有以下需求:



2.详细的需求:
姓名:
单位:
电话:
邮件: