优化机组运维、降低运行成本|冷轧设备中的机器视觉应用...

引言

冷轧作为钢铁工艺流程最后一道工序，具有产品类型多样、产品质量要求高、工序流程长和工艺流程复杂等特点，冷轧厂存在迫切提高产量、改进质量、便捷运维、柔性生产、降低成本、保障安全和绿色环保的需求。

机器视觉相比人类视觉，在精确性、适应性、客观性、重复性、可靠性、效率性和信息集成方面优势明显，目前已在消费电子、汽车、医药和钢铁等领域得到了广泛的应用，产生了显著的效益。

将机器视觉应用到冷轧设备，实现冷轧机组无人化，可以优化机组运维、降低运行成本和更好地保障安全。

1 冷轧场景

1.1 机组流程

冷轧机组依据钢种、工序可以分为多种类型，以硅钢常化酸洗机组为例，其典型的生产流程为上卷→开卷→矫直→切头→焊接（挖边）→入口活套→预热及无氧化加热→均热→水套冷却→水喷雾冷却→水喷淋冷却→吹边烘干→喷丸除鳞→酸洗→漂洗→吹边烘干→出口活套→边部加热→切边→碎边→检查→分切→卷取→称重→打捆→入库。

目前，机组工艺段已实现无人化，无人化需求主要集中在机组入口段和机组出口段。

在机组入口段，原料钢卷由热轧厂通过汽车运送到新建的常化酸洗跨存放，钢卷由车间吊车吊放到机组入口钢卷存放鞍座上拆捆带，钢卷小车将钢卷送到 No.1 或 No.2 开卷机上。机组头部设有五辊夹送辊矫直机，通过开卷器将钢带引入夹送辊矫直机中，对带钢头部进行夹送及矫直。然后将带钢送至入口双层剪，将带钢头尾超差部分切除，剪切后的钢带头部到达焊机，与前一卷带钢尾部焊接起来。

在机组出口段，带钢先经圆盘剪进行切边处理，剪下的废边由碎边剪切成小段，再由皮带运输机运输到机组操作侧，废料落到废边收集装置内。切边后带钢进行头尾剪切，然后进入出口转向夹送辊进行张力卷取。卷取好的钢卷由出口钢卷小车卸下，在鞍座上进行称重和打捆，由车间吊车将钢卷吊运到常化后库。

1.2 无人化需求点

在机组入出口流程中，存在多个需要机器视觉支撑的无人化需求点。1）带钢来料质量检测。检测来料温度、卷号、宽度和直径，检测塔形和溢出边，检测端面边裂和边损。2）鞍座钢卷偏移检测。通过吊车将钢卷放置在鞍座位后，检测钢卷宽度中心位与鞍座中心位偏移距离。3）宽度高度对中检测。在钢卷上卷过程中，检测钢卷内圈与开卷机卷筒中心偏离距离，识别钢卷内圈是否松卷，检测上卷后带钢宽度中心线与机组中心线偏移距离。4）入口穿带卡钢检测。检测带钢在穿带过程中，是否出现带头卡堵、带钢拱起等异常情况。5）焊缝质量检测。对焊接后焊缝进行尺寸测量和表面缺陷检测。6）带钢跑偏检测。检测带钢在双层剪、入口活套、出口活套和圆盘剪等处偏离机组中心线距离。7）圆盘剪剪切质量检测。测量带钢剪切比，测量毛刺高度，识别刀具磨损状态。8）碎边剪堵边检测。识别是否发生边丝堆叠、逃逸和堵塞现象。9）带钢表面质量在线检测。检出与识别带钢表面质量典型缺陷，指导工艺和设备改进。10）出口卸卷抽芯检测。识别是否存在钢卷内圈抽芯情况。

2 机器视觉应用实现路径

2.1 应用类别

梳理冷轧机组无人化应用类别，可将上述应用场景归为四类，如表1所示。



2.2 实现架构

应用主要由检测对象、执行机构、成像元器件、计算机硬件、相机SDK、中间件和无人化机器视觉应用软件等组成，如图1所示。



在冷轧机组无人化应用场景中，检测对象主要是带钢，包括钢卷、钢卷内圈、带钢焊缝和带钢边丝等。执行机构是冷轧机组中的典型设备，譬如上卷小车、双层剪、焊机、纠偏辊和圆盘剪等，基于机器视觉检测结果，执行机构作用于检测对象，实现机组高效稳定安全生产。成像元器件主要包括光源、相机和镜头。光源的主要作用是照亮检测对象，将缺陷从背景图像中显露出来，克服环境光干扰，保证图像稳定。镜头和相机的主要作用是将光信号转化为电信号，再转化为数字信号图像，相机分为2D相机和3D相机，2D相机又分为线阵相机与面阵相机。计算机硬件包括图像处理与存储服务器和客户端计算机，服务器配置高性能显卡用于图像处理，配置大容量硬盘用于历史图像存储。通过相机SDK，实现图像数据获取并配置相机参数。中间件进行图像处理与存储，在图像处理部分，常见的中间件包括OpenCV、HALCON、PaddlePaddle、TensorFlow、Pytorch和MindSpore，在数据存储部分，常见的数据库包括MySQL、SQL Server和Oracle。无人化机器视觉应用软件是人机交互界面，实现可视化操作与交互。

2.3 应用实践

目前，中冶南方在冷轧领域，已实现冷轧机组无人化典型应用，取得良好效果。

1）高度对中检测。基于机器视觉的钢卷高度对中系统由相机支架、相机、镜头、计算机和高度对中检测软件等组成。支架为相机提供支撑和防护，相机拍摄钢卷内圈及周边图像，相机与计算机通过Gige网线连接，高度对中检测软件运行在计算机上，高度对中检测软件通过与相机通讯读取相机图像，识别钢卷内圈是否塌卷和是否实现对中。高度对中检测软件由数据通讯模块、模型训练模块和塌卷/对中识别模块。塌卷/对中识别通过深度学习图像分类方法实现。

2）活套带钢跑偏检测。活套带钢跑偏检测应用活套安装高倍数变焦摄像机，通过对活套车充放套行程进行连续追踪和图像提取，识别带钢边缘轮廓来获取带钢位置与姿态，计算出带钢边缘与活套车最上层转向辊边部距离以及对应的带钢中心偏移量。带钢目标定位（宽度、边缘位置等）检测的关键技术是使用深度学习网络U-Net模型对来料钢卷、设备及背景进行区域分割，首先分离出带钢、辊子目标，然后通过反卷积网络对带钢图像进行像素级轮廓提取，重绘出带钢宽度方向的精准边缘轮廓，最后通过已知的辊子的宽度和其所占像素来计算图像的空间分辨率，再通过相机坐标系和世界坐标系的转换计算出带钢到辊子边缘的距离。通过与预设偏移量阈值进行比较，判断带钢是否发生跑偏故障，并对跑偏故障进行预警或报警，如图2所示。



3）圆盘剪剪切带钢剪切比检测。在圆盘剪剪刃和圆盘剪后配置软硬件，包括：光源与相机支架、光源、镜头、相机、计算机主机、计算机显示器、网线、音箱和剪切质量检测软件。剪切质量检测软件识别剪切比，获取带钢牌号、带钢厚度、原料入口宽度和剪切质量数据后，推荐优化的圆盘剪剪刃间隙和重叠量等工艺参数。

4）碎边剪堵边检测。碎边剪堵边检测通过高清工业摄像机实时捕捉边丝的形貌，从空间位置、形貌、动作轨迹等多个方面来进行检测。检测到发生堆叠情况或逃逸、堵塞等现象后，通过I/O发送异常信号给PLC，发出语音报警，实现连锁控制。

5）带钢表面质量在线检测。带钢表面质量在线检测从相机读取图像，预处理图像，分割缺陷，提取特征和对典型缺陷进行分类并将缺陷存储到服务器，将服务器存储的缺陷数据以可视化的方式表达出来，实时直观地呈现带钢上下表面缺陷位置和类别等信息，针对重点关注的缺陷，给出工艺改进建议与报警提示。

总结

针对冷轧场景，在梳理机组生产流程和无人化应用场景需求基础上，利用机器视觉技术，实现了高度对中检测、活套跑偏检测、圆盘剪剪切带钢剪切比检测、碎边剪堵边检测和带钢表面质量在线检测等应用，优化机组运维，降低运行成本和更好地保障安全，效益显著，为冷轧机组的无人化运维和远程集中控制创造了良好的条件。

（夏志  张毅  周云根  吉银生  蔡炜）

《世界金属导报》

2023年第25期 B16