基于機器視覺的PLC 自動化皮帶智能檢測系統

王晨宇，王高飛，劉小虎，王文琦，韓軍亮，岳耀龍

（首鋼京唐鋼鐵聯合有限責任公司煉鋼作業部，河北唐山 063200）

0 引言

皮帶輸送系統是煉鋼生產工藝流程中一個較為龐大的公用系統，它輸送物料平穩、沒有相對運動，能避免對輸送物的損壞。皮帶輸送機具有結構簡單、經濟方便、輸送量大、效率高、低噪聲、使用可靠等優點，是目前大多數企業完成物料運輸的選擇。

煉鋼工序中，需要將白灰直供到轉爐，當物料中有金屬或其他尖銳物體時會損傷皮帶、引發皮帶撕裂。皮帶價格昂貴，造價占到整個皮帶運輸機的50%以上。目前皮帶的橫向抗拉強度和承載能力已顯著提高，但是縱向抗撕裂強度并沒有明顯改善。在皮帶斷帶故障中，90%的皮帶撕裂均為縱向撕裂，皮帶撕裂會造成物料傾灑、損壞減速器和電機等設備，甚至還會損壞機架結構，因此煉鋼工序中需要安全適用的皮帶質量檢測裝置。

1 皮帶輸送系統檢測裝置現狀

目前，基于以下5 種方法的檢測皮帶縱向撕裂裝置及特點有：①沖擊檢測法，檢測皮帶介質中沖擊力傳播；②托輥異常受力檢測法，分析托輥受力的異常狀況；③超聲波法，檢測皮帶介質中超聲波傳播；④壓敏電阻法，檢測皮帶下方漏料情況；⑤嵌入法，在皮帶中嵌入導電橡膠、光導纖維等。

檢測裝置存在的問題主要有兩個：一是均為接觸式檢測，接觸部件極易磨損導致裝置失效很快；二是裝置的組件很多、安裝復雜，導致后期維護非常繁瑣。另外，一些裝置的檢測原理本身也存在一定局限性，只有當皮帶撕裂很長后才能檢測到。因此，迫切需要一種及時可靠的皮帶縱向撕裂檢測裝置。

2 皮帶智能缺陷檢測及控制系統基礎架構

根據現場情況與工藝要求，設計一套基于機器視覺的帶式輸送機智能缺陷檢測及控制系統，主要用于檢測皮帶物料異物、皮帶縱向撕裂、皮帶跑偏。該裝置包括成像單元、檢測單元、報警器、遠程監控模塊和PLC 電氣自動化模塊等，其中：成像單元用于攝取皮帶圖像和物料圖像；皮帶檢測單元對皮帶圖像和物料圖像進行處理，檢測皮帶是否發生縱向撕裂、物料是否攜帶尖銳異物；如果出現則觸發報警器發出聲音和閃爍亮光報警，同時把信號傳送給PLC 電氣自動化模塊并制動、將圖像傳送到監控室顯示。

該裝置為非接觸式的檢測方式，檢測設備不會遭受磨損，并且檢測靈敏高、成本低、設備組件少，易于安裝與維護。該系統可以實時掌握皮帶機的運行狀態，提前預警告知上料工故障發生，在預警的同時能及時制動皮帶機，最大限度減少現場損失。

3 皮帶智能缺陷檢測及控制系統技術架構

近年來，機器視覺檢測成為工業檢測的新方向。該技術主要利用工業相機代替人工采集數據，通過龐大的處理器運算，使用卷積神經網絡中的深度學習圖像算法，運算、分析、反饋檢測結果。機器視覺檢測系統與生產線自動化PLC 技術有效結合，通過圖片采集、識別、反饋等，預防和避免各類損壞情況。

3.1 圖像采集

圖像采集設備是該檢測系統的數據收集設備，可實時獲取包含激光線條的皮帶圖像，通過內部電路降噪與濾波處理，將采集數據經千兆以太網絡傳輸給信號處理傳輸設備（圖1）。

圖1 圖像采集系統架構

本現場的皮帶輸送機皮帶幅寬為1 m，采用兩臺線陣相機工作，一臺放置皮帶上方用于識別物料、另一臺放置在皮帶下方用于識別皮帶撕裂，這樣就能完全采集整條皮帶的數據（圖2）。

圖2 現場設備布置

傳輸處理設備是基于視覺技術的皮帶撕裂檢測裝置中信號接收轉發設備，其功能類似于中繼站，多臺圖像采集設備將實時采集數據傳輸至信號處理傳輸設備，每臺設備每秒捕獲數據量110 Mbyte，多臺設備同時工作產生的數據量非常巨大，一般的以太網絡難以實現數據的實時傳輸，而且以太網絡最大傳輸距離為100 m，所以信號處理傳輸設備需接受的以太網數據轉化成光纖傳輸至中控室內的總控制臺。

另外，在防護設備和工裝設計方面，采集設備需采取有效防塵方式，確保數據采集設備不受現場粉塵影響，防止揚塵的堆積。當物料進入檢測區域時，傳感器感知物料后，信號通過PLC 技術傳入檢測系統，系統可根據經典模型，通過自適應調整姿態和軌跡以方便于數據采集。同理，傳感器感知物料離開檢測范圍后，檢測系統停止檢測。

3.2 皮帶運行溫度檢測

在運行中輸送皮帶自身存在溫度變化，這主要是由皮帶在特定環境中長期運行摩擦等導致的，通常溫度會隨皮帶運行時間而逐步升高。檢查皮帶的運行溫度，能有效預防發生皮帶火災。

（1）點式溫度采集系統。點對點溫度傳感技術的關鍵是通過溫度傳感器進行定點測量和分析，也是目前檢查皮帶運行溫度的主要方法。具體做法為：在帶式輸送機的上方和下方分別安裝溫度傳感器檢測裝置，收集實時溫度數據，并將數據傳輸至感知算法單元。作為一種長期供電單元，交流電源配有備用電池，以確保采集系統的正常運行。

（2）智能溫度監測算法系統。監測系統直接從溫度采集系統接收數據信息，分析和組織數據，并將其存儲在特定的數據存儲庫，同時數據被二值化并被發送到感知算法單元。根據高溫標準，結合現場電氣自動化設備，快速發出聲光警報或停機命令，防止火災發生。

（3）智能溫度監測算法系統的后臺監控功能。熱敏元件將監測到的溫度實時傳輸到監測計算機，并在顯示屏顯示。當出現警告溫度時，故障位置將以數據的形式保存，可以在現場報警并以文本警告模式顯示。數據信息支持以年、月、日等單位進行線性或表格表示，并且可以直接采樣和打印。

3.3 皮帶跑偏檢測

皮帶跑偏檢測的基本工作原理是，通過非接觸皮帶的檢測極限來測量皮帶的跑偏，并通過算法來判斷皮帶是否跑偏。該系統可以大大提高發現皮帶運輸安全隱患的及時性，如果在早期發現隱患，應及時報警、調查和解決，避免事故發生；警報定位大大降低了現場人工檢查的水平，使工人在識別隱患時更加直接和高效。

皮帶跑偏識別模塊主要分為3 個部分，分別是輸入圖像、識別算法和針對識別結果進行處理（如報警等）。當前識別算法有兩種思路，分別是基于傳統的圖像處理方案和基于神經網絡的深度學習方案。

（1）傳統圖像處理方案。核心思路是檢測皮帶邊緣在畫面構成的直線，采用傳統圖像算法，通過直線的偏移量來判斷跑偏程度（圖3）。

圖3 傳統圖像方案

（2）深度學習方案。擬采用語義分割模型，將皮帶區域分割出來，然后通過判斷皮帶區域在畫面中位置判斷是否跑偏。識別算法采用監測圖框方案，監測皮帶跑偏度，皮帶跑偏模塊則結合PLC 系統，對跑偏有預警和報警功能（圖4）。

圖4 深度學習方案

3.4 皮帶夾雜物檢測

采用基于Retinex 的圖像增強方法，針對皮帶機監控圖像的特點，設計相應的改進方法。基于FPN（Feature Pyramid Network，圖像特征金字塔）的檢測思路，設計并使用一種新的特征融合方法來實現多尺度目標檢測，能支持不同大小夾雜物的檢測識別。該系統可適應輸送機運行環境中粉塵、水汽較大，光線照度不均勻的現場環境，識別長條物、塊狀物、其他夾雜物等缺陷，識別準確率高且算法時間短。結合PLC 技術，夾渣物檢測系統可以實現檢測到異物后自動化制動（圖5）。

圖5 皮帶夾雜物檢測

3.5 皮帶撕裂劃痕檢測

基于機器視覺的皮帶撕裂檢測系統主要包括數據采集、數據傳輸、數據處理和輔助裝置4 個部分。

檢測系統的數據采集部分主要是圖像采集設備，安裝在皮帶運輸機載料皮帶和回程皮帶之間，固定在皮帶運輸機托輥架上。皮帶撕裂的檢測工作流程為：圖像采集設備獲取皮帶和物料圖像數據→經過傳輸處理設備將數據傳輸給總控臺→總控臺利用獨特設計的皮帶撕裂檢測算法對采集數據進行處理分析，得出當前皮帶狀況，并將結果反饋給皮帶機控制系統（圖6）。

圖6 皮帶撕裂檢測系統

傳統的機器學習算法不適用于高速皮帶運行的時效性，缺陷識別算法需要采用前沿的基于神經網絡深度學習方案，網絡架構基于U-Net 結構設計。使用語義分割思路，能夠將缺陷位置精準地描繪出來。同時為了適應實際生產中皮帶的快速運行，加快處理效率，可以精簡網絡結構，單張圖片計算速度可滿足皮帶運行速度。針對皮帶撕裂、劃痕的檢測，設置有限寬報警標準，當識別缺陷到達2 m 時自動報警，并且通過PLC 技術結合現場電氣自動化，及時對輸送系統進行制動。

4 結束語

本文將皮帶智能檢測方法與現場PLC 技術結合，實現了自動啟停工業相機采集皮帶和物料圖像。該系統利用傳統圖像處理算法，對圖像進行濾波降噪、開閉運算等處理，提高圖像質量，并且構建卷積深度神經網絡模型，在硬件算力的支持下，通過大量數據不斷的迭代、優化，能夠檢測到皮帶的運行溫度、跑偏、物料夾渣物、撕裂劃痕等。另外，在成功識別出缺陷以后，可以能根據缺陷的危害標準實現產線的自動制動。從采集到缺陷照片、到算法計算識別缺陷、到產線制動，可以控制在1 s 的范圍內，有效避免進一步的現場損壞情況。

該系統采用非接觸式架構，檢測設備不會遭受磨損，硬件設計可靠、實時性強，檢測靈敏高、易安裝與維護，能夠為生產提供穩定可靠的質量保障，減少人力物力成本。同時通過多種渠道，還能向生產管理人員和一線操作人員等不同服務對象提供實時檢測、信息預警和輔助決策等信息。