圖像識別技術在燃煤電廠自動接卸監管中的應用

作者簡介：高云潔（1986—），男，本科，工程師，研究方向為火電廠經營管理及火電廠成本控制及多元化經營的研究。

姜峰（1978—），男，本科，助理工程師，研究方向為火電廠智能化技術研究和火電廠燃料管理。

譚業昭（1993—），男，本科，助理工程師，研究方向為火電廠煤炭質量驗收的標準化研究和火電廠燃料設備技術管理。

摘要：本文研究的目標是利用人工智能技術提升燃煤電廠接卸管理業務的效率和效益，探索性的完成基于圖像識別和拼接技術的燃煤電廠燃料自動接卸監管流程和業務，為青島電廠智能輸煤系統的煤炭接卸管理水平提升一個更高的臺階。本項目研發完成一套適用于燃煤電廠輸煤系統煤炭自動接卸管理平臺，建立接卸設備和人員行為圖像識別模型和知識庫。項目形成的成果可在同類型燃煤電廠的接卸管理工作中進行推廣應用。

關鍵詞：圖像識別" 人工智能" 自動接卸" 智能輸煤系統

中圖分類號：TM62

Abstract： The goal of this study is to use artificial intelligence technology to improve the efficiency and benefit of receiving and unloading management business in coal-fired power plants， and exploratively complete the automatic fuel receiving and unloading supervision process and business in coal-fired power plants based on image recognition and splicing technology， in order to improve the coal receiving and unloading management level of the intelligent coal-handling system in the Qingdao Power Plant to a higher level. This project has developed a set of automatic coal receiving and unloading management platform suitable for the coal-handling system in coal-fired power plants， and established an image recognition model and knowledge base for receiving and unloading equipment and personnel behavior. The achievements of the project can be promoted and applied in the receiving and unloading management of similar coal-fired power plants.

Key Words： Image recognition; Artificial intelligence; Automatic reveiving and unloading; Intelligent coal-handling system

電力行業是技術、資金、裝備和數據密集型的行業，電力是大數據呈現、傳輸、運算、存儲的根本支撐，因此，電力行業在數字經濟中將扮演重要的角色。

青島公司瞄準圖像識別技術，將其應用在燃煤電廠自動接卸監管環節中，加大研究和應用力度，落地多個應用場景，覆蓋卸煤、輸煤、驗煤等生產流程，解決作業人員安全管控難等問題，通過更加科學有效的智能化管理，提升工作效率、降低時間成本，加強人力資源調配能力和安全管理能力，更好地維護企業利益[1]。

1" 研究方法和內容

1.1 圖像識別技術特點及優勢

圖像識別技術目前在各行各業應用逐漸增多，主要有以下特點和優勢。

（1）有效提高工作效率。解決了燃煤電廠燃料輸煤系統中環境較為復雜惡劣，單純依靠傳統的攝像頭監控會由于管理人員較少等問題導致遺漏重要的設備故障征兆信息導致造成設備失效或者損壞。

（2）引領監視方式的革命。通過固定攝像頭，針對重點需要巡檢和關注的設備，進行全天候關注，有效解決了巡檢周期真空時段可能出現問題的情形。

（3）先知、先覺的預警能力。利用人工智能分析技術，有效解決輸煤系統皮帶撕裂、跑偏等故障發生的概率，提高設備利用率，為電廠降低成本做出貢獻。

（4）有效擴展視頻資源用途。對燃煤電廠輸煤系統在智能巡檢和設備故障預警領域的一些關鍵應用與關鍵技術開展研究，對智能巡檢和設備故障預警在電廠的應用場景進行規劃，探索性的完成基于智能巡檢的圖像識別技術，機器學習預警技術、數據分析應用平臺的搭建，結合平臺和研究成果，為青島電廠智能輸煤系統的巡檢和設備管理水平提升一個更高的臺階。本課題將研發構建一套適用于燃煤電廠輸煤系統智能巡檢和設備預警平臺，建立設備故障識別模型和知識庫。

1.2" 圖像識別技術原理

（1）圖像預處理是圖像識別的預備環節。通過濾波、直方圖均衡化等方法去除圖像噪聲，標準化圖像的亮度和對比度，以提高圖像質量，便于后續處理。

（2）特征提取。這一步驟的目標是從圖像中提取出能夠表征目標的顯著特征，例如邊緣、角點、輪廓等幾何特征，或是顏色、紋理等視覺特征。顯著的特征對后續識別至關重要，常用的特征提取算法有SIFT、SURF、HOG等。

（3）分類或匹配是圖像識別的核心步驟。根據提取的特征，將圖像與數據庫中的樣本圖像進行比較，使用分類器或匹配算法判斷圖像中的目標類別或身份。常用的分類方法有SVM、隨機森林等。匹配算法則包括近鄰匹配、相關匹配等。

（4）根據圖像識別結果，可執行后續處理，如目標定位、語義理解等，輸出最終識別結果。

1.3" 國內外研究概況

國內電廠在研究智慧化監控系統方面圍繞電廠安全監管、重點設備、人員管理等方面，充分利用物聯網、傳感技術、云計算、5G、人工智能、大數據、移動互聯網、AR/VR技術、GIS+BIM等先進技術等新一代高科技信息技術，搭建智慧化云平臺。包含智能監控、出入管理、電子監工、智慧圍欄、安全教育、危大預防、智慧運維、報警管理、勞務管理等業務板塊，并宜在以上模塊的基礎之上實現全景可視化、人員定位、安全巡檢、智慧防疫、電子圍欄、區域入侵、安全帽識別、安全交底、人臉無感識別等電廠智慧化業務應用。

1.4" 研究技術路線

1.4.1" 梳理燃料接卸過程，明確系統設計方向

（1） 理順業務流程，查找問題環節。公司首先通過梳理燃料接卸全過程管理流程，明晰應用目標和改進方向。

（2） 通過流程分析，發現入廠煤驗收接卸環節較繁雜，問題也較多，主要表現在以下幾個方面。

①" 數據關聯方面?；疖囘M廠后首先經過軌道衡稱重，記錄礦別、車數、停放位置等，是下一步分類存放的數據基礎。但目前各項信息均為數據孤島，未進行關聯歸批。后續卸車使用的機械、人力數量、所用時間都沒有準確的列表統計，延時費用核算缺乏有力依據。

②" 人力資源方面。入廠煤驗收接卸環節涉及多崗位配合，順序、交叉工作，協調組織停留在電話通知，現場等靠，造成時間和人力浪費，造成巨額延時費。人工卸車為外包工作，冬夏兩季耗煤量大，且北方冬季凍煤，夏天雨季造成濕黏煤的情況增多，都會影響卸車效率，春秋兩季則機組檢修耗煤量降低，相應進車量減少，人力數量的投入沒有合理的人力資源核算，導致人力不足或浪費[2]。

③" 便捷管理方面。原先公司自主開發的煤場數字化信息系統是只能在公司內部的局域網內使用，用戶在其他場景下，無法實時獲取現場信息，移動端的開發和應用則解決了這一部分痛點。用戶可以隨時隨地的獲取實時信息，并做出即時的決策監督并指導現場工作。

④" 安全管理方面。入廠煤接卸過程，機械設備和人工清車底先后在同一車廂內工作，為保證各崗位的安全生產運行，既要保證機械設備和工人不能同時在同一車廂工作，又要保證工人要按規定穿戴安全護具。車廂清理完畢，如果車門關閉不嚴或車邦留有余煤未及時發現，在火車高速交會時存在巨大安全隱患。為保障接卸期間及鐵路運輸的安全和正常運轉，以上安全檢查措施僅通過人工方式，可能因疏漏發生安全問題。

（3） 公司根據梳理發現的問題，使用5W2H分析法，剖析問題原因、如何改善、在哪個環節著手、使用什么方法做什么。確定問題產生的根本原因是燃料專業自動化程度低，管理手段落后。決定和軟件開發公司合作，利用現代信息技術、手段，建立完善一套綜合管理系統，實現燃料接卸管理的智能化，以“四化”為改進方向，把開發方向主要放在四個落腳點上，即：數據互聯動態化、接卸進度實時化、績效管理隨身化、人力配置科學化。

1.4.2" 建立現場數字三維模型

利用數字孿生技術實現接卸物理場景同步。公司通過建立工業互聯網底層框架，采取視頻識別技術對進入卸煤工位的車輛、采樣機、卸車機、卸車工人、車門開閉狀態、車輛清理情況等位置狀態進行實時掌控，通過數字孿生技術將現場數據同步，可以查看歷史、實時動態信息并對未來接卸情況進行預測。

（1）卸煤棧橋三維建模，數字孿生現場實景。卸煤棧橋是入廠火車煤接卸的工作平臺，全長400 m，分兩股道，每股28個貨位，可同時接卸56節敞篷火車車廂。火車入廠首先經過軌道衡稱重后，停放在卸車站臺，值班員核對發貨單位和車數是否相符，并為實現分類存放記錄停放貨位。車頭離開后進行機械采樣驗收，機械與人工組合將煤卸入地煤溝暫存，地煤溝總容量1.5萬t，可暫存4列火車的煤量，由底部皮帶倒運到煤場或筒倉的指定位置[3]。

通過運用三維建模及數字孿生等技術，使用人工智能算法建立實時現場模型，形成數字孿生圖形，并利用動態模型結合虛擬貨位記錄燃料分類卸車位置，達到卸車礦別、車數的準確記錄，實時分析和統計來煤煤種占比和卸煤區域使用率。

（2） 通過視頻融合及視頻內容識別，實時管控現場狀態。在棧橋區域多點設置攝像機，實現視頻畫面以一個完整全場景畫面方式呈現，通過視頻融合技術將每個攝像機視頻畫面整合為一個完整的輸煤棧橋全景畫面，以此為數據基礎，通過智能識別視頻畫面中車門開閉狀態、車廂內是否有人、車廂內是否有煤，共六種狀態判斷卸車進度。同時識別現場工作人員是否佩戴安全帽、著裝是否規范。

1.4.3" 通過設備運行軌跡追蹤，實現接卸進度實時化

公司通過物聯網+精準遠程，使用UWB超寬帶定位，以機械采樣機和螺旋卸車機為切入點，追蹤其設備行為，評價工作人員執行績效，確保執行工作量化可追溯、可評價。

1.5" 研究理論和依據

通過理論分析、工程實測、數據建模和算法構建的方法，研發人工智能巡檢和設備故障預警平臺。采用人工智能視頻識別技術和機器學習技術，實地采集現場的視頻數據，對數據進行標注、訓練，然后發布到識別服務器端，進行現場的實地測試，驗證識別的準確率。

2" 本項目視頻識別技術應用的具體場景

（1）通過棧橋的攝像頭進行圖像采集，通過鏡頭暗角校正、畸變校正和圖像投影變換等一系列的方法對圖像進行預處理，通過一系列圖像配準算法進行圖像配準和圖像融合等過程把二維圖像和一維時間融合為一體，實現視頻畫面全覆蓋，將多個攝像頭視頻畫面拼接為一個完整的實時的棧橋鳥瞰全貌畫面。

（2） 通過棧橋的攝像頭進行圖像采集分析，同時結合深度學習算法進行車廂狀態門的檢測，主要包括每節車廂的車廂門的開合狀態，進行實時的檢測，實現車廂門狀態的實時的精確判定，并把每個車廂的的門的狀態信息進行存儲。通過棧橋的攝像頭進行圖像采集分析，同時結合深度學習算法進行車廂位置的監控，主要包括每節車廂的車廂?？康木唧w貨位，進行實時的自動感知監測。

（3） 通過棧橋的攝像頭進行圖像采集分析，同時結合深度學習算法進行車廂煤粉狀態的監控，車廂內煤的情況，主要是判斷當前車廂是否有煤進行監控。并識別車廂內是否有人員進行卸煤，人員防護措施是否到位，機械卸煤時同一車廂內是否存在人工卸煤情況，如果存在，現場監控應馬上進行人聲警告，提醒人員離開車箱[4]。

（4） 通過棧橋的攝像頭進行圖像采集分析，同時結合深度學習算法進行車廂卸煤情況進行監控，車廂內煤、車門啟閉和人員的情況主要是判斷當前車廂是否還在卸煤進行監控還是已經卸煤完畢。

（5）人工卸車人員設置唯一通道，設置具備人臉識別的監控裝置，可將人員信息錄入，在人工卸車人員進出卸煤棧橋工作區域時，自動識別人臉，將人員信息推送至系統中。并通過棧橋的攝像頭進行圖像采集分析，同時結合深度學習算法進行人員數量的檢測，主要包括人員的數量統計，將數量與人臉識別系統進行自動對比，觀測人員數量是否與人臉識別數量相符，觀測還有各個人員的防護狀態：包括工作人員是否佩戴安全帽、著裝是否規范，人員的分布情況。

3" 關鍵技術和創新點

3.1" 智能識別技術

通過識別現場車廂位置以及的來煤、卸煤情況、針對每個車廂的卸煤情況進行識別、包括開始結束時間進行精準的獲取提高卸車效率， 以及現場工作人員的安全穿戴情況及人員位置分布情況進行實時獲取，結合人臉識別技術，對人員進行管理和追蹤。

3.2" 視頻存儲

視頻數據主要存儲在電廠本地的硬盤錄像機和集中存儲中，集控中心工業電視平臺能夠調用電廠現場存儲的歷史錄像進行回放。

視頻智能分析時需要使用和存儲的實時視頻流數據，以及告警發生前后時段的實時視頻流數據（根據需要進行錄像時間靈活設置，單次告警視頻錄像最大存儲時間不超5 min）。

3.3" 視頻診斷

以定期巡檢方式對前端所有視頻畫面質量進行診斷，對非正常的畫面進行告警提示，以報表形式輸出診斷結果在視頻監控界面中可查詢和展示。

3.4" 語音對講

在視頻實時監控界面具備語音對講功能，在集控中心監控終端畫面直接操作，能夠直接與電廠燃料輸煤系統生產現場配備語音功能的攝像機進行語音對講。

3.5" 智能分析

視頻智能分析通過對實時視頻流進行分析，對生產現場重點區域工作人員、煙霧及火焰、視頻區域入侵等異常，通過邊緣計算（視頻智能分析）手段識別并生成告警，將告警信息推送到工業電視平臺，由監視用戶選擇后立即調出相關告警實時視頻，減少值班人員長時間監視屏幕造成疲勞，降低勞動強度，提高對不安全事件的響應能力[5]。

3.6" AI模型管理

提供模型管理、模型下發、智能分析配置、抓圖計劃配置等。能夠將訓練好的AI模型下發至前端AI攝像機，為設備配置智能分析任務，使設備擁有針對特定對象和場景的智能分析能力，在前端分析后將產生的告警信息和視頻推送到視頻監控平臺。

3.7" 數據應用

對生產現場重點區域人員安全帽、煙霧及火焰、視頻區域入侵等智能分析識別產生的告警信息，監視人員隨機抓取的靜態圖片，傳輸到消防系統、作業管理系統、計算機監控系統等需要聯動視頻監控的信息數據，能夠傳輸到工業電視監控平臺進行前端視頻聯動，為公司的安全管理、設備管理、作業管理等智慧決策應用提供支撐數據[6]。

4" 預期效果

（1）使用視頻監控數字孿生出動態三維模型，實現了卸煤棧橋繁雜工作的實時掌控，將之前需要聽匯報和跑現場也不能完全掌握的信息，變為可隨時查閱，達到實時化、可視化、便捷化的目標。自動識別車廂清空狀態、車門閉合和人員安全措施執行情況，提高了機械與人工交叉工作面的安全管理能力。

（2）使用超寬帶無線定位方式查看設備軌跡，可隨時糾偏，并對工作計劃完成情況進行量化評價，提升工作質量和效率。棧橋封閉減少揚塵對環境造成的污染、降低煤炭損耗。接卸時間從平均5 h降到4 h。人工卸車人員數量從恒定42人，減為30～42人動態調整。

（3）燃煤接卸工作通過手機程序輔助，實現工作計劃、工作執行與完成情況實時通達，實現燃料接卸工作垂直管理隨身化、績效閉環智能化。在保證安全接卸的前提下提高效能、準確計算接卸用時。

（4）系統穩定運行實現既定目標，申請專利1～2項，發表論文2篇，可向火電廠進行推廣。

5" 結語

本課題實現了卸煤棧橋繁雜工作的實時掌控，實現了預期目標。自動識別車廂清空狀態、車門閉合和人員安全措施執行情況，提高了機械與人工交叉工作面的安全管理能力，自動識別率達到人工識別率的90%。

參考文獻

[1] 薛榮輝，劉星星，王楠.計算機智能化圖像識別技術探討[J].信息記錄材料，2023，24（8）：98-100.

[2] 楊磊.計算機智能化圖像識別技術的應用[J].電子技術，2023，52（6）：298-300.

[3] 許煒.計算機視覺技術在變電運檢中的應用[J].集成電路應用，2023，40（4）：358-359.

[4] 曾祥利.計算機圖像識別技術在橋梁工程中的應用[J].工業建筑，2022，52（6）：233.

[5] 趙偉達，陳海文，郭陸陽，等.基于YOLO-E與改進OCRNet圖像分割的變電站儀表讀數自適應識別方法[J].電力建設，2023，44（11）：75-85.

[6] 吳海濤，王喬，劉闖，等.智能巡檢系統在變電運維中的應用[J].中阿科技論壇（中英文），2023（9）：96-100.