一、研究的背景與問(wèn)題
隨著國(guó)家雙碳戰(zhàn)略的進(jìn)一步深化，國(guó)家環(huán)保要求的進(jìn)一步趨向嚴(yán)格管控，同時(shí)，鋼鐵冶煉原材料鐵礦石價(jià)格的不斷攀升，長(zhǎng)流程煉鋼在工藝、成本、管理方面面對(duì)的挑戰(zhàn)越來(lái)越大。廢鋼作為唯一可以代替鐵礦石煉鋼的綠色環(huán)保、可多次循環(huán)利用的再生鐵素資源，將在后續(xù)鋼鐵冶煉中占據(jù)更重要的作用和地位，更加廣泛的應(yīng)用于鋼鐵冶煉。由于廢鋼使用量大，多料型摻雜混裝，且時(shí)常發(fā)生廢鋼摻假等現(xiàn)象，為保證產(chǎn)品質(zhì)量、提升鋼鐵產(chǎn)量，避免爆炸、鋼水噴濺等事故的發(fā)生，需要對(duì)購(gòu)買(mǎi)的廢鋼進(jìn)行驗(yàn)質(zhì)。傳統(tǒng)廢鋼驗(yàn)質(zhì)工作面臨如下幾個(gè)難題：
1、鋼鐵企業(yè)廢鋼驗(yàn)質(zhì)過(guò)程，通常應(yīng)用人工目測(cè)、卡尺測(cè)量等手段，受人為主觀因素影響較大，缺乏統(tǒng)一的廢鋼分類(lèi)定級(jí)標(biāo)準(zhǔn)，無(wú)法形成量化的評(píng)價(jià)結(jié)論及很好的數(shù)據(jù)分析，不易讓供應(yīng)商信服。
2、廢鋼驗(yàn)質(zhì)作業(yè)環(huán)境較為惡劣，驗(yàn)質(zhì)人員每次需要攀高四五米到大貨車(chē)車(chē)頂，對(duì)車(chē)內(nèi)廢鋼進(jìn)行近距離觀察，勞動(dòng)強(qiáng)度大，作業(yè)風(fēng)險(xiǎn)高，效率低下。
3、卸貨過(guò)程中，摻假、密閉容器未切割、超長(zhǎng)超大件等，在人工驗(yàn)質(zhì)過(guò)程中，經(jīng)常存在漏驗(yàn)、錯(cuò)驗(yàn)等情況，異物無(wú)法及時(shí)提醒，可能會(huì)直接影響后續(xù)鋼鐵冶煉安全，發(fā)生重大的安全事故或生產(chǎn)事故。
4、廢鋼驗(yàn)質(zhì)結(jié)果將直接決定廢鋼的回收價(jià)格，判級(jí)等級(jí)的差異直接影響鋼鐵企業(yè)的利益、供應(yīng)商的利益，進(jìn)而影響供應(yīng)商的合作積極性。如何實(shí)現(xiàn)雙贏，保障雙方利益，也是傳統(tǒng)驗(yàn)質(zhì)工作執(zhí)行難的重要難題。
結(jié)合鋼鐵企業(yè)現(xiàn)狀，利用人工智能技術(shù)，建設(shè)貼合鋼鐵企業(yè)實(shí)際，實(shí)現(xiàn)廢鋼驗(yàn)質(zhì)從人工驗(yàn)質(zhì)到無(wú)人驗(yàn)質(zhì)重大突破的智能廢鋼驗(yàn)質(zhì)系統(tǒng)，對(duì)提升鋼鐵企業(yè)核心技術(shù)競(jìng)爭(zhēng)力，推進(jìn)鋼鐵行業(yè)廢鋼智能化整體水平，打造鋼鐵行業(yè)統(tǒng)一廢鋼標(biāo)準(zhǔn)，將有重大的戰(zhàn)略意義。
二、解決問(wèn)題的思路與技術(shù)方案
為了改進(jìn)廢鋼驗(yàn)質(zhì)過(guò)程中，過(guò)多依賴人為經(jīng)驗(yàn)、錯(cuò)判率高等問(wèn)題，河鋼數(shù)字科技自主研發(fā)了基于人工智能技術(shù)的廢鋼智能驗(yàn)質(zhì)系統(tǒng)。該系統(tǒng)主要利用機(jī)器視覺(jué)對(duì)廢鋼車(chē)輛卸料過(guò)程實(shí)時(shí)感知、逐層采樣，通過(guò)人工智能技術(shù)（AI），在卸貨過(guò)程中進(jìn)行單層判級(jí)和整車(chē)判級(jí)，智能識(shí)別出不達(dá)標(biāo)廢鋼、雜質(zhì)和異物，最終通過(guò)AI算法計(jì)算出整車(chē)扣重的預(yù)估值，對(duì)危險(xiǎn)物、異物及時(shí)做出預(yù)警。
平臺(tái)采用分層架構(gòu)，平臺(tái)設(shè)備硬件、平臺(tái)服務(wù)和算法服務(wù)高度解耦，均可單獨(dú)部署及運(yùn)行，滿足平臺(tái)具備支持多用戶、高并發(fā)的能力；支持快速開(kāi)發(fā)，迅速響應(yīng)的要求；滿足平臺(tái)功能高擴(kuò)展性，能夠給當(dāng)前常用技術(shù)予以支撐。系統(tǒng)整體架構(gòu)包含網(wǎng)絡(luò)信息化基礎(chǔ)設(shè)備層、數(shù)據(jù)層、服務(wù)層、應(yīng)用層。本系統(tǒng)研究?jī)?nèi)容主要集中在服務(wù)層、應(yīng)用層，包含基于機(jī)器視覺(jué)的圖像處理技術(shù)、廢鋼智能算法、廢鋼遠(yuǎn)程檢測(cè)技術(shù)、智能人機(jī)交互技術(shù)。
圖1：系統(tǒng)架構(gòu)圖
1、基于機(jī)器視覺(jué)的圖像處理技術(shù)
鋼鐵企業(yè)廢鋼驗(yàn)質(zhì)點(diǎn)部署硬件攝像頭、刷卡一體機(jī)、交換機(jī)、NVR硬盤(pán)錄像機(jī)等配套設(shè)備，實(shí)現(xiàn)卸貨過(guò)程視頻、圖片的采集、傳輸、存儲(chǔ)，為廢鋼智能驗(yàn)質(zhì)系統(tǒng)提供數(shù)據(jù)支撐。
圖2：驗(yàn)質(zhì)點(diǎn)硬件設(shè)備安裝方式
2、廢鋼智能算法
智能廢鋼驗(yàn)質(zhì)系統(tǒng)采用人工智能技術(shù)，以深度學(xué)習(xí)技術(shù)為核心，應(yīng)用神經(jīng)網(wǎng)絡(luò)算法，主要分為廢鋼區(qū)域提取、天車(chē)吸盤(pán)(抓斗)追蹤、廢鋼識(shí)別、異物檢測(cè)、扣重計(jì)算，5大AI算法模型。
（1）廢鋼區(qū)域提取AI算法。算法采用卷積神經(jīng)網(wǎng)絡(luò)，利用ResNet-FPN對(duì)廢鋼車(chē)圖像進(jìn)行多尺度特征提取，100+卷積層、千萬(wàn)量級(jí)參數(shù)。通過(guò)頭部網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)車(chē)廂位置像素級(jí)的識(shí)別。能夠?qū)崿F(xiàn)自動(dòng)識(shí)別車(chē)輛位置；并對(duì)車(chē)廂進(jìn)行像素級(jí)識(shí)別提取，判斷提取圖像的質(zhì)量，確保車(chē)廂圖片清晰；自動(dòng)識(shí)別車(chē)輛中是否裝卸料，識(shí)別車(chē)中料位狀況。
圖3：廢鋼區(qū)域提取算法
（2）天車(chē)吸盤(pán)(抓斗)追蹤AI算法。采用卷積神經(jīng)網(wǎng)絡(luò)，利用CSPdarknet53作為主干特征提取網(wǎng)絡(luò)，結(jié)合SPP網(wǎng)絡(luò)實(shí)現(xiàn)多尺度特征提取，70+卷積層、6千萬(wàn)參數(shù)提取抓斗特征，實(shí)時(shí)自動(dòng)追蹤廢鋼抓斗，模型具有很高的追蹤速度，保證追蹤抓斗的實(shí)時(shí)性，具有很高的定位精度，保證追蹤抓斗的準(zhǔn)確性。能夠精準(zhǔn)追蹤抓斗和吸盤(pán)位置實(shí)現(xiàn)自動(dòng)定位。
圖4：廢鋼抓斗（吸盤(pán)）追蹤算法
（3）廢鋼料型識(shí)別AI算法。采用卷積神經(jīng)網(wǎng)絡(luò)，利用空間金字塔池化模塊和編碼器-解碼器結(jié)構(gòu)的網(wǎng)絡(luò)對(duì)廢鋼圖像進(jìn)行像素級(jí)多尺度特征提取，對(duì)大型、中型、小型廢鋼都可以精準(zhǔn)識(shí)別，在保證識(shí)別速度的同時(shí)可以實(shí)現(xiàn)不同類(lèi)型廢鋼像素級(jí)分割，預(yù)測(cè)出不同厚度類(lèi)型廢鋼的占比。能夠準(zhǔn)確識(shí)別出廢鋼混料中不同類(lèi)型廢鋼的數(shù)量、厚度、面積等特征信息,計(jì)算出混料不同類(lèi)型重量占比。
圖5：廢鋼識(shí)別算法
（4）異物檢測(cè)AI算法。采用卷積神經(jīng)網(wǎng)絡(luò)，利用高效的多尺度特征融合和模型縮放相結(jié)合，對(duì)廢鋼圖像進(jìn)行特征提取，檢測(cè)密閉容器、液壓缸、爆炸物等危險(xiǎn)品，對(duì)不同形狀、大小的危險(xiǎn)品能夠?qū)崿F(xiàn)高精度識(shí)別，在復(fù)雜背景下依然保持極高的識(shí)別速度，使異物檢測(cè)更高效。能夠準(zhǔn)確識(shí)別密閉油缸、氣缸、油桶、滅火器等密閉容器和超長(zhǎng)件，并自動(dòng)報(bào)警,自動(dòng)識(shí)別碎渣、碎土、碎屑等信息，完成自動(dòng)扣雜扣噸。
圖6：廢鋼識(shí)別算法
（5）扣重計(jì)算AI算法。通過(guò)廢鋼識(shí)別算法模型和異物檢測(cè)算法模型輸出的結(jié)果，利用自學(xué)習(xí)特性實(shí)現(xiàn)對(duì)整車(chē)等級(jí)判定和扣重預(yù)測(cè)。
圖7：扣雜算法
設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)，對(duì)大量歷史數(shù)據(jù)學(xué)習(xí)，通過(guò)多層神經(jīng)網(wǎng)絡(luò)對(duì)大量歷史廢鋼占比、雜質(zhì)、扣重?cái)?shù)據(jù)學(xué)習(xí)，實(shí)現(xiàn)扣重智能計(jì)算。
3、智能人機(jī)交互技術(shù)
基于人工智能技術(shù)的廢鋼驗(yàn)質(zhì)系統(tǒng)人機(jī)界面，是融合設(shè)備交互技術(shù)、視頻、實(shí)時(shí)卸貨數(shù)據(jù)信息，打造人與廢鋼驗(yàn)質(zhì)系統(tǒng)相互交流、相互協(xié)同、智能決策的交互媒介。
圖8：司機(jī)刷卡客戶端
圖9：小程序智能分析終端
圖10：智能廢鋼驗(yàn)質(zhì)系統(tǒng)頁(yè)面
三、主要?jiǎng)?chuàng)新性成果
1、基于深度學(xué)習(xí)的廢鋼卸料變化區(qū)域自動(dòng)識(shí)別技術(shù)
利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建廢鋼車(chē)廂定位模型，基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建廢鋼卸料抓斗追蹤模型，高斯混合模型對(duì)背景建模，識(shí)別出廢鋼抓斗抓取后廢鋼車(chē)廂變化區(qū)域，并保存面積最大的變化區(qū)域。
2、基于空間金字塔結(jié)構(gòu)語(yǔ)義分割算法的廢鋼料型識(shí)別技術(shù)
采用卷積神經(jīng)網(wǎng)絡(luò)，利用空間金字塔池化模塊和編碼器-解碼器結(jié)構(gòu)的網(wǎng)絡(luò)對(duì)廢鋼圖像進(jìn)行像素級(jí)多尺度特征提取，對(duì)大型、中型、小型廢鋼都可以精準(zhǔn)識(shí)別，在保證識(shí)別速度的同時(shí)可以實(shí)現(xiàn)不同類(lèi)型廢鋼像素級(jí)分割，預(yù)測(cè)出不同厚度類(lèi)型廢鋼的占比。
3、基于多尺度目標(biāo)檢測(cè)算法的廢鋼異物檢測(cè)技術(shù)
采用卷積神經(jīng)網(wǎng)絡(luò)，利用CSPdarknet53作為主干特征提取網(wǎng)絡(luò)，利用高效的多尺度特征融合和模型縮放相結(jié)合，對(duì)廢鋼圖像進(jìn)行特征提取，檢測(cè)密閉容器、液壓缸、爆炸物等危險(xiǎn)品，對(duì)不同形狀、大小的危險(xiǎn)品能夠?qū)崿F(xiàn)高精度識(shí)別，在復(fù)雜背景下依然保持極高的識(shí)別速度，使異物檢測(cè)更高效。
4、鋼鐵冶金行業(yè)廢鋼環(huán)節(jié)一車(chē)多點(diǎn)卸貨交互系統(tǒng)及方法
通過(guò)概率計(jì)算，自動(dòng)判斷不同車(chē)道的車(chē)輛占比，計(jì)算出車(chē)輛較少的通道，實(shí)現(xiàn)卸車(chē)的自動(dòng)推薦，解決傳統(tǒng)廢鋼驗(yàn)質(zhì)環(huán)節(jié)中，人工溝通較繁瑣，司機(jī)現(xiàn)場(chǎng)卸貨耗時(shí)耗力，無(wú)法做到最優(yōu)時(shí)間卸貨等問(wèn)題。
四、應(yīng)用情況與效果
本項(xiàng)目于2021年11月1日在河鋼集團(tuán)舞鋼公司一煉鋼廠、二煉鋼廠成功上線運(yùn)行，目前可實(shí)現(xiàn)年識(shí)別 200 萬(wàn)噸廢鋼體量的系統(tǒng)應(yīng)用支撐，準(zhǔn)確率方面，單一料型廢鋼判級(jí)準(zhǔn)確率95%，土渣、水泥塊、油漬識(shí)別準(zhǔn)確率90%，整車(chē)廢鋼評(píng)級(jí)準(zhǔn)確率95%以上，扣重偏差值 200kg 以內(nèi)準(zhǔn)確率達(dá)90%以上，整車(chē)的密閉容器、危險(xiǎn)品的識(shí)別準(zhǔn)確率≥90%，實(shí)現(xiàn)廢鋼驗(yàn)質(zhì)從人工驗(yàn)質(zhì)到無(wú)人驗(yàn)質(zhì)的重大突破，達(dá)到國(guó)內(nèi)領(lǐng)先水平。
本項(xiàng)目成功上線，實(shí)現(xiàn)驗(yàn)質(zhì)流程標(biāo)準(zhǔn)化、透明化、可追溯、可復(fù)查，預(yù)計(jì)為產(chǎn)線節(jié)約成本數(shù)百萬(wàn)元，同時(shí)形成了量化的供應(yīng)商評(píng)價(jià)體系，實(shí)現(xiàn)鋼鐵企業(yè)和供應(yīng)商的雙贏。項(xiàng)目已成功申報(bào)專利3項(xiàng)，軟著4項(xiàng)。
