基于工业物联网的推焦车远程监控系统研究

刘怀煜，郑爱云，刘伟民

(华北理工大学 机械工程学院，河北 唐山 063210)

0 引言

随着德国工业4.0和《中国制造2025》的提出，第四次工业革命即智能化时代已经开启，各种新兴技术推动着传统制造业工厂开始向智能化工厂转变[1,2]。

以钢铁生产企业中的焦化过程为例，在焦化生产过程中装煤车、推焦车、拦焦车和熄焦车合称“四大车”[3]，装煤车将准备好的煤炭投放入焦炉中，待焦炭烧结完成后推焦车将其推出焦炉，拦焦车在推焦过程中将导焦栅对准炉门使焦炭能推入熄焦车内，熄焦车装入焦炭后负责将其熄灭并运出，这四辆车的连锁以及炉号的准确识别对焦化生产至关重要[4]。

传统的工作方式是通过现场操作者人眼识别炉号并判断车辆是否对齐，但是工作人员在焦化生产现场会受到高温、烟尘大等因素的影响，观察炉号时容易做出错误判断，导致发生安全事故，所以传统的识别方式逐渐被淘汰。近些年国内外常采用的几种炉号识别方法有编码器技术、激光测距传感器技术、编码电缆技术和射频(RFID)识别技术等[5-10]。随着传感器技术和互联网技术的发展，物联网技术也逐渐成熟并得到广泛应用，在监测推焦车运行状态时，常会结合GPS和北斗导航技术、图像处理和神经网络等技术一起使用，使炉号识别和机车定位系统更加智能化，降低了维修成本和复杂程度，提高了企业生产管理的质量。本文以工业物联网技术为基础，结合卷积神经网络技术设计了推焦车远程监控系统，为解决推焦过程的远程监控问题提供一种解决方法。

1 推焦车远程监控系统硬件设计

本文设计的远程监控系统基于工业物联网技术，系统的总体架构遵循工业物联网的技术架构，由数据采集、网络通信、云服务器与客户端四部分组成，推焦车远程监控系统架构如图1所示。

图1 推焦车远程监控系统架构

数据采集终端以嵌入式开发板的ARM处理器作为核心控制模块，选择摄像头模块作为采集设备。网络通信技术为WiFi技术。云服务器由数据处理服务器、数据库服务器和Web服务器组成，客户端选用B/S架构浏览器显示方式。通过串口通信获得推焦车PLC控制柜的信号，以推焦车的启停信号控制摄像头模块采集炼焦现场的炉号图像，通过WiFi通信将数据存储至云服务器的数据库中，Web服务器请求调取数据库中的数据在浏览器显示端展示。

本系统选用迅为iTOP-4418开发板，以S5P4418处理器为核心，该开发板可支持Android和Linux操作系统并且运行稳定，运行温度为-25 ℃～80 ℃，满足工业级开发需求。并且该开发板集成了WiFi、蓝牙及4G通信模块，外部接口提供可支持CMOS传感器的DVP接口。

本系统应用嵌入式开发板作为核心控制单元，从功耗和集成度方面考虑，选择OV5640摄像头模块作为图像采集传感器，OV5640摄像头模块是一种CMOS传感器。OV5640传感器可以支持500万像素的图像输出，输出图像的数据格式包含RGB565、YUV(422/420)和JPEG等。OV5640摄像头模块还具有自动对焦等功能，采集的图像清晰，可应用于工业监控系统。一般实际应用时，相机像素在500万及以下时会选择DVP接口，本系统选择DVP接口作为图像传输接口即可。

在Windows系统中对嵌入式Linux系统的开发与调试需要使用虚拟机及相应工具来实现。本系统设计选用VM Workstation虚拟机安装Ubuntu操作系统，与Windows系统之间的文件传输借助于SSH软件，编译器采用arm-none-linux-gnueabi-gcc交叉编译工具。

2 炉号识别算法设计

2.1 炉号识别算法流程

卷积神经网络在数字字符识别过程中可能会出现收敛难、识别结果达不到预期的问题，因此本文采用遗传算法改进卷积神经网络，利用遗传算法强大的全局搜索能力，能够很好地解决卷积神经网络的网络结构参数选择问题。将优化后的卷积神经网络应用于炉号识别中，解决焦化生产中的实际问题。

本文的炉号识别算法流程如图2所示，具体步骤为：

(1) 导入炉号图像训练数据集；对数据集图像进行预处理；利用遗传算法得到最优卷积神经网络结构参数。

(2) 导入现场炉号图像数据集；对炉号图像数据集进行预处理；利用由步骤(1)得到的最优卷积神经网络结构识别炉号图像。

(3) 得到炉号图像识别结果。

图2 炉号识别算法流程

2.2 算法优化流程

利用遗传算法优化卷积神经网络结构参数，采用实数编码，每个基因对应一个卷积神经网络参数，引入精英遗传策略，保留适应度值较高的个体，提高全局收敛性，并经过交叉、变异操作得到最优结果，将该结果导入卷积神经网络结构中，能有效提高识别率。遗传算法优化卷积神经网络流程，如图3所示。

图3 遗传算法优化卷积神经网络流程

2.3 图像识别验证

将焦炉炉号图像制作为数据集，通过一系列图像处理技术导入优化后的神经网络中来检测识别效果，优化卷积神经网络对焦炉炉号识别的结果如图4所示。导入图像数据集后图像识别的主要步骤如下：

(1) 调整RGB值将彩色图像转换为灰度图像，再将灰度图像转化为二值图像。

(2) 对二值图像进行膨胀处理后再填充图像中的空洞区域。

(3) 用LOG算子进行边缘检测，筛选出数字区域。

(4) 提取出图像中的数字区域，进行灰度化和二值化处理，然后进行数字字符分割，并用训练好的网络对数字进行识别。

图4 炉号识别结果

经过实际生产现场图像的测试，该算法可满足焦炉炉号识别的需求，在光照良好的情况下对推焦现场的炉号图像识别会获得更好的结果。

3 显示端设计

显示端系统云服务器选用阿里云轻量应用服务器，该服务器可应用于各种场景，能提供多种系统镜像和应用镜像，价格便宜，对于学生、个人开发者和中小型企业来说是最优选择。数据库选用目前较为流行的开源小型关系数据库Mysql数据库，该数据库具有查询数据速度快、编程环境灵活、使用免费且开源、安装使用简易等优点。

本系统显示端开发采用B/S架构，B/S架构即浏览器/服务器架构，主要组成有数据库、Web服务器和浏览器显示端。数据库进行各种数据的储存，Web服务器访问数据库获取并储存数据。这种架构基于网页语言无关乎操作系统，可跨平台，并且开发较为简单，维护方便。因此。本文选择B/S模式实现监控系统的用户注册、登录页面与功能操作页面的设计开发。

显示端系统采用前、后端分离的方式进行搭建，整体系统由Spring boot+Spring MVC+Mybatis-plus后台开发框架与Vue前端框架开发。根据系统需求，整个显示端系统分为用户管理、查询管理、拍照管理和生产日志管理四个功能模块，如图5所示。

图5 显示端系统功能模块图

显示端系统的用户管理功能可分为三个部分：用户注册、用户登录和用户信息修改，方便工作人员对系统进行操作和管理。

查询管理功能可以查看已录入并存档的生产日志，可从数据库中按选定日期读取当天生产日志，查询结果包括炉次、炉号、计划推焦时间、实际推焦时间、班组和记录人员。

拍照管理功能可实现对采集端拍照后上传图像的显示。

生产日志管理功能可实现员工对生产操作数据的记录、存储、查询和删除，生产日志以表格形式展示，包括炉次、炉号、计划推焦时间、实际推焦时间、班组和记录人员，如图6所示。

图6 生产日志功能界面

4 结语

针对推焦生产中炉号识别和“四车连锁”问题，本文基于工业物联网技术提出了一种远程监控系统，并结合优化卷积神经网络算法实现了炉号识别功能。本文通过推焦车控制柜的PLC信号控制摄像头传感器模块采集炼焦现场图片，通过WiFi通信技术实现焦化现场与云服务器之间的无线数据传输，最后在浏览器显示端展示，从而实现对推焦过程的有效监控。经过分析和实验，证明该系统能够满足对推焦过程的监控，为焦化生产过程中的炉号识别和“四车连锁”问题提供了一种有效的解决方案。