工 业 智 能 巡 检 系 统

□ 韩少恒

上海电气集团股份有限公司 中央研究院 上海 200070

1 研究背景

伴随着我国对推进人工智能向工业赋能的迫切要求,人工智能在工业领域中的应用已逐渐深入工业生产的多个领域,并呈现出由智能制造向智能运维不断延伸的态势。

传统的巡检通过工人的视觉、听觉、嗅觉等感官方式,主观对现场设备进行读数,人工方式收集和记录现场数据。这种人工巡检的方式受环境、设备地理位置、人为干扰等因素影响大,同时存在数据格式不规范、不统一、人工成本高等问题,对于采集频率、实时性、准确性要求较高的场景,无法满足要求。

随着智能运维和无人值守模式的推广,智能化、自动化、无人化巡检成为了工业巡检未来的主要研究方向。依托于可复用率高和低成本的成像采集设备或载体,采用先进的机器视觉技术进行设备巡检,通过智能化无人巡检,可以有效避免人工巡检的数据不规范、准确性低、手段单一、数据采集不集中等问题,具有广阔的发展空间。

在此基础上,智能无人巡检成为了学术界和工业界共同关注的课题,目前已有大量研究者提出了高效的仪表自动识读方法。随着深度学习的普及,准确率不断提高,基于深度学习的仪表识读算法成为目前解决这类问题的主流。此外,传统算法和规则也在这方面贡献着自己的力量。结合机器视觉技术,集数据采集、图像识别、可视化展示与预警为一体的工业智能巡检系统能够有效解决工业智能化巡检场景中遇到的各种难题。

2 系统总体技术方案

2.1 技术路线

工业智能巡检系统技术路线如图1所示。现场设置固定摄像头、传感器终端,经过采集服务传输采集到的图片数据和传感器数据到文件存储介质及数据库。智能读表模块从文件存储介质中获取图片,调用仪表识别模型,将仪表读数结果保存到数据库。用户交互界面实时从数据库拉取最新存储的仪表读数、传感器数据,在大屏展示页面实时刷新显示。通过对监测页面的检测设备图表模块设置告警阈值,对数据范围进行监测,超过特定范围,则进行告警提示。数据预警与告警规则设置模块可用于对指定关键数据设置告警机制,当数据关系或者数值达到指定状态时,触发告警信息,发送至相关责任维修人员处。亦可用于对指定数据的健康状态设置预警机制,数据趋势或波动范围达到特定规则状态时,触发预警信息,发送至运维部门。也可以通过拖拽式图表模块,动态生成历史数据曲线、设备告警滚动条等显示信息。

2.2 巡检管理

巡检管理通过将仪表设备与前端图表组件绑定,实现对仪表设备的实时监测。通过设置设备参数、数据类型、数据格式,选择可视化图表展示方案组合,并可以保存为可视化模板。后续遇到同类场景时,可以实现展示方案推荐匹配。根据仪表类型设置告警阈值,通过对数据的波动范围监测,达到特定的规则范围时,触发预警信息,发送到运维部门,进行告警提示。对于积累的历史数据,可以按照日、周、月进行统计生成报表,同时为数据分析部门提供数据接口,用于数据分析、故障预警,提高数据的利用率。

2.3 智能读表

智能读表在系统中主要指仪表图像识读,包含三个模块:表盘检测模块、文本检测识别模块、读数模块。表盘检测模块采用深度学习模型,对检测出的表盘进行裁剪,送入文本检测识别模块。读数模块通过对表盘水平二值化处理,计算得到指针读数。智能读表由深度学习和传统算法两部分实现,利用传统算法结合仪表表盘特征进行读数。

3 系统功能

3.1 功能模块

工业智能巡检系统功能模块如图2所示,包括后台任务管理、图像识别、前台管理界面。后台采集服务收集现场摄像头、温度传感器等设备的数据,存入数据库。后台任务管理设置定时任务,根据采集服务采集的设备类型,调用对应的图像识别服务,实现对采集的仪表图像读数,并且在数据库中写入结果。前台管理界面根据业务场景,定制化生成可视化显示图表,包括设置图表类型、显示风格、背景颜色、图表布局方案等。巡检员、用户、经理等实时访问可视化页面,实现对现场设备、仪表的可视化监测。

3.2 后台任务管理

后台任务管理包括测点管理、报警管理、任务管理、数据采集、历史数据查询等功能,实现现场数据采集,仪表实时读数,定时数据汇总统计。通过对现场设备数据的定时采集、存储,并根据设备类型提供相应的历史数据查询接口、报警阈值设置接口、采集频率设置接口、实时数据推送频率设置接口,为后续生成可视化大屏展示页面提供数据基础。

3.3 图像识别

图像识别包括传统仪表识别、数字仪表识别、液位仪表识别服务。仪表识别算法由深度学习算法和传统算法两部分组成。其中,深度学习算法采用基于卷积神经网络的目标检测算法,传统算法包括数字检测框提取、数字检测框排序、数字编码和规则计算。通过深度学习算法与传统算法结合的方式实现仪表读数,并封装成接口,以调用的方式为其它功能模块提供服务。

3.4 前台管理界面

前台管理界面包括数据预警与告警规则设置等功能,用于对指定关键数据设置告警机制。当数据关系或数值达到指定状态时,触发告警信息,发送至相关责任维修人员处。亦用于对指定数据的健康状态设置预警机制,数据趋势或波动范围达到特定规则状态时,触发预警信息,发送至运维部门。通过将设备数据与图表组件绑定,实现仪表、传感器设备数据实时大屏显示,以及对设备运行历史曲线的实时更新显示。对于积累的历史数据,可以通过查询接口方式接入企业生产管理系统,以供后期数据分析、异常告警分析使用,提高数据利用率。

4 系统实现

工业智能巡检系统使用微服务模式,用户交互界面使用Vue前端框架方案模板库,将采集、识别、展示模块分为多个服务,不同服务之间通过数据接口实现通信,使用代理Nginx服务器实现负载均衡。数据存储使用本地磁盘、数据库、云端存储、缓存混合方式,以满足不同类型的数据存储需求。展示页面采用可配置、个性化拖拽式组件方式,用户根据具体场景,个性化组合图表组件,生成定制的可视化监测页面。对于特定场景的可视化页面方案,可以保存到可视化方案模板库。对于后期类似场景,可以从方案库中选择相似的显示模板方案直接使用。

方案模板库用于在一套完整的可视化组件编辑任务完成且组合成特定的数据大屏可视化方案后,存储相应的方案配置参数,并使其可用于方案的发布与调用。业务人员进行一次完整的数据监控页面配置创建后,可直接保存这一显示方案。多个方案之间可以按需调用切换,多个终端之间可以直接调用已发布存储的方案。

5 结束语

笔者基于工业巡检场景,构建了一套工业智能巡检系统。在工业智能巡检系统中,通过现场摄像头、传感器设备实时采集现场仪表图片、温度信息等数据,存储至数据库。通过图像识别服务,将采集的仪表图像输入至仪表读数模型,返回仪表读数结果,保存至数据库。前台显示界面通过设置特定场景的可视化图表展示页面,实时展示所采集到的设备数据,实现现场设备的实时监测。通过告警及预警设置模块,监控数据变化趋势。对于超过设定阈值的设备,实时预警并发送信息至巡检员。

通过工业智能巡检系统,有效解决了人工巡检时数据格式不统一、准确性差、实时性低等问题,保证数据监控页面实时更新,使监控维护人员能直观高效掌握数据变化,节省人工巡检时间,实现巡检的智能化、快速化。在复杂的工业场景中,通过对多种格式类型的大量数据有效信息进行提取,积累历史数据供企业数据部门进行二次数据分析,可以提高数据的利用率。基于设备数据构建的工业智能巡检系统,能够有效解决工业企业智能化、信息化的现实问题。