工 業 智 能 巡 檢 系 統

□ 韓少恒

上海電氣集團股份有限公司 中央研究院 上海 200070

1 研究背景

伴隨著我國對推進人工智能向工業賦能的迫切要求,人工智能在工業領域中的應用已逐漸深入工業生產的多個領域,并呈現出由智能制造向智能運維不斷延伸的態勢。

傳統的巡檢通過工人的視覺、聽覺、嗅覺等感官方式,主觀對現場設備進行讀數,人工方式收集和記錄現場數據。這種人工巡檢的方式受環境、設備地理位置、人為干擾等因素影響大,同時存在數據格式不規范、不統一、人工成本高等問題,對于采集頻率、實時性、準確性要求較高的場景,無法滿足要求。

隨著智能運維和無人值守模式的推廣,智能化、自動化、無人化巡檢成為了工業巡檢未來的主要研究方向。依托于可復用率高和低成本的成像采集設備或載體,采用先進的機器視覺技術進行設備巡檢,通過智能化無人巡檢,可以有效避免人工巡檢的數據不規范、準確性低、手段單一、數據采集不集中等問題,具有廣闊的發展空間。

在此基礎上,智能無人巡檢成為了學術界和工業界共同關注的課題,目前已有大量研究者提出了高效的儀表自動識讀方法。隨著深度學習的普及,準確率不斷提高,基于深度學習的儀表識讀算法成為目前解決這類問題的主流。此外,傳統算法和規則也在這方面貢獻著自己的力量。結合機器視覺技術,集數據采集、圖像識別、可視化展示與預警為一體的工業智能巡檢系統能夠有效解決工業智能化巡檢場景中遇到的各種難題。

2 系統總體技術方案

2.1 技術路線

工業智能巡檢系統技術路線如圖1所示。現場設置固定攝像頭、傳感器終端,經過采集服務傳輸采集到的圖片數據和傳感器數據到文件存儲介質及數據庫。智能讀表模塊從文件存儲介質中獲取圖片,調用儀表識別模型,將儀表讀數結果保存到數據庫。用戶交互界面實時從數據庫拉取最新存儲的儀表讀數、傳感器數據,在大屏展示頁面實時刷新顯示。通過對監測頁面的檢測設備圖表模塊設置告警閾值,對數據范圍進行監測,超過特定范圍,則進行告警提示。數據預警與告警規則設置模塊可用于對指定關鍵數據設置告警機制,當數據關系或者數值達到指定狀態時,觸發告警信息,發送至相關責任維修人員處。亦可用于對指定數據的健康狀態設置預警機制,數據趨勢或波動范圍達到特定規則狀態時,觸發預警信息,發送至運維部門。也可以通過拖拽式圖表模塊,動態生成歷史數據曲線、設備告警滾動條等顯示信息。

2.2 巡檢管理

巡檢管理通過將儀表設備與前端圖表組件綁定,實現對儀表設備的實時監測。通過設置設備參數、數據類型、數據格式,選擇可視化圖表展示方案組合,并可以保存為可視化模板。后續遇到同類場景時,可以實現展示方案推薦匹配。根據儀表類型設置告警閾值,通過對數據的波動范圍監測,達到特定的規則范圍時,觸發預警信息,發送到運維部門,進行告警提示。對于積累的歷史數據,可以按照日、周、月進行統計生成報表,同時為數據分析部門提供數據接口,用于數據分析、故障預警,提高數據的利用率。

2.3 智能讀表

智能讀表在系統中主要指儀表圖像識讀,包含三個模塊:表盤檢測模塊、文本檢測識別模塊、讀數模塊。表盤檢測模塊采用深度學習模型,對檢測出的表盤進行裁剪,送入文本檢測識別模塊。讀數模塊通過對表盤水平二值化處理,計算得到指針讀數。智能讀表由深度學習和傳統算法兩部分實現,利用傳統算法結合儀表表盤特征進行讀數。

3 系統功能

3.1 功能模塊

工業智能巡檢系統功能模塊如圖2所示,包括后臺任務管理、圖像識別、前臺管理界面。后臺采集服務收集現場攝像頭、溫度傳感器等設備的數據,存入數據庫。后臺任務管理設置定時任務,根據采集服務采集的設備類型,調用對應的圖像識別服務,實現對采集的儀表圖像讀數,并且在數據庫中寫入結果。前臺管理界面根據業務場景,定制化生成可視化顯示圖表,包括設置圖表類型、顯示風格、背景顏色、圖表布局方案等。巡檢員、用戶、經理等實時訪問可視化頁面,實現對現場設備、儀表的可視化監測。

3.2 后臺任務管理

后臺任務管理包括測點管理、報警管理、任務管理、數據采集、歷史數據查詢等功能,實現現場數據采集,儀表實時讀數,定時數據匯總統計。通過對現場設備數據的定時采集、存儲,并根據設備類型提供相應的歷史數據查詢接口、報警閾值設置接口、采集頻率設置接口、實時數據推送頻率設置接口,為后續生成可視化大屏展示頁面提供數據基礎。

3.3 圖像識別

圖像識別包括傳統儀表識別、數字儀表識別、液位儀表識別服務。儀表識別算法由深度學習算法和傳統算法兩部分組成。其中,深度學習算法采用基于卷積神經網絡的目標檢測算法,傳統算法包括數字檢測框提取、數字檢測框排序、數字編碼和規則計算。通過深度學習算法與傳統算法結合的方式實現儀表讀數,并封裝成接口,以調用的方式為其它功能模塊提供服務。

3.4 前臺管理界面

前臺管理界面包括數據預警與告警規則設置等功能,用于對指定關鍵數據設置告警機制。當數據關系或數值達到指定狀態時,觸發告警信息,發送至相關責任維修人員處。亦用于對指定數據的健康狀態設置預警機制,數據趨勢或波動范圍達到特定規則狀態時,觸發預警信息,發送至運維部門。通過將設備數據與圖表組件綁定,實現儀表、傳感器設備數據實時大屏顯示,以及對設備運行歷史曲線的實時更新顯示。對于積累的歷史數據,可以通過查詢接口方式接入企業生產管理系統,以供后期數據分析、異常告警分析使用,提高數據利用率。

4 系統實現

工業智能巡檢系統使用微服務模式,用戶交互界面使用Vue前端框架方案模板庫,將采集、識別、展示模塊分為多個服務,不同服務之間通過數據接口實現通信,使用代理Nginx服務器實現負載均衡。數據存儲使用本地磁盤、數據庫、云端存儲、緩存混合方式,以滿足不同類型的數據存儲需求。展示頁面采用可配置、個性化拖拽式組件方式,用戶根據具體場景,個性化組合圖表組件,生成定制的可視化監測頁面。對于特定場景的可視化頁面方案,可以保存到可視化方案模板庫。對于后期類似場景,可以從方案庫中選擇相似的顯示模板方案直接使用。

方案模板庫用于在一套完整的可視化組件編輯任務完成且組合成特定的數據大屏可視化方案后,存儲相應的方案配置參數,并使其可用于方案的發布與調用。業務人員進行一次完整的數據監控頁面配置創建后,可直接保存這一顯示方案。多個方案之間可以按需調用切換,多個終端之間可以直接調用已發布存儲的方案。

5 結束語

筆者基于工業巡檢場景,構建了一套工業智能巡檢系統。在工業智能巡檢系統中,通過現場攝像頭、傳感器設備實時采集現場儀表圖片、溫度信息等數據,存儲至數據庫。通過圖像識別服務,將采集的儀表圖像輸入至儀表讀數模型,返回儀表讀數結果,保存至數據庫。前臺顯示界面通過設置特定場景的可視化圖表展示頁面,實時展示所采集到的設備數據,實現現場設備的實時監測。通過告警及預警設置模塊,監控數據變化趨勢。對于超過設定閾值的設備,實時預警并發送信息至巡檢員。

通過工業智能巡檢系統,有效解決了人工巡檢時數據格式不統一、準確性差、實時性低等問題,保證數據監控頁面實時更新,使監控維護人員能直觀高效掌握數據變化,節省人工巡檢時間,實現巡檢的智能化、快速化。在復雜的工業場景中,通過對多種格式類型的大量數據有效信息進行提取,積累歷史數據供企業數據部門進行二次數據分析,可以提高數據的利用率。基于設備數據構建的工業智能巡檢系統,能夠有效解決工業企業智能化、信息化的現實問題。