杜 强

（山西华阳集团新能股份有限公司一矿选煤厂，山西 阳泉 045000）

1 概述

山西华阳集团新能股份有限公司一矿选煤厂洗选后块煤在转载入仓和装车时，输送成品块煤的入仓刮板机和仓下装车皮带机运行速度快、输送量大、物料掺杂密集且颜色相同，目测无法快速识别和判断煤块粒度大小与变化，难以做到实时分析块煤限下率数据并给出判断结论，只能采取人工间断性采样再进行分析的方法。在智能化选煤厂建设发展趋势下，需对出厂块煤限下率变化状态进行实时监测，提高煤质管理水平。

2 块煤限下率管控现状

山西华阳集团一矿选煤厂洗选后的中小块煤经筛分机分级后，由两台刮板机转载进入中小块仓。选小块粒度为13～25 mm，限下率≤15.0%；选中块粒度为25～90 mm，限下率≤13.0%。由于传统技术手段的限制，选煤厂对块煤限下率的管控一直没有较有效的方法，目前采用人工采样检测产品限下率，存在效率低、反馈滞后现象，无法做到实时管控。图1 为洗选后块煤转载流程。

图1 洗选后块煤转载流程

中、小块装车皮带机上方分别对应九个成品煤仓，装车时块煤限下率检测由人工检查，再经人工采样复查，皮带速度达到2.5 m/s，人眼无法有效识别块煤粒度变化，误判率高、效率低，影响装车速度。在转载中，块煤出现破损，限下率增大，因此经常造成限下率超标导致煤质罚款，造成经济损失。图2 为块煤入仓、装车流程。

图2 块煤入仓、装车流程

3 识别块煤限下率方案研究

3.1 构建块煤限下率预警系统

通过调查研究并结合现场实际情况，确定采用图像识别技术、大数据技术、深度分析的方法构建块煤限下率预警系统[1]。预警系统流程：在块炭入仓刮板机头和装车皮带机头安装先进的工业图像采集设备，实时监测块仓上方两台入仓刮板机和块仓下方两条装车皮带机的煤流图像，将图像传输到入仓煤流和装车煤流识别系统中，由预警系统大数据平台对图像数据进行初步处理和历史数据比对，再经过云平台的人工智能识别算法计算分析，实现对实时煤流状态的监测分析，在块煤限下率超标时发出报警提示，由调度室通知现场人员进行调整。通过对入仓环节、装车环节实时煤流监测和预警，解决出厂块煤限下率超标问题，保障块煤质量。图3为块煤限下率预警系统。

图3 块煤限下率预警系统

3.2 预警系统建立方法及功能

由入仓煤流识别系统、装车煤流识别系统、大数据平台、预警云平台，采用图像识别技术构建块煤限下率预警系统。

（1）入仓煤流识别系统。开发基于视频格式的入仓刮板机煤流粒度实时状态的深度学习智能识别算法，以及对应的监控预警系统云平台软件和大数据平台[2]。实现块煤入仓前产品限下率过程管控，并根据检测数据及时反馈调度。如果限下率超标，及时通知操作人员调整分级筛的分级效果，并相应调整各项影响参数和影响因素。

（2）装车煤流识别系统。开发基于视频格式的装车煤流粒度实时状态的深度学习智能识别算法，以及对应的监控预警系统云平台软件和大数据平台。实现最终产品限下控制的实时检测和预警，根据检测数据及时反馈调度，现场操作人员及时调节各仓口闸板、煤量大小以及调整固定筛闸板开度，最终控制块煤限下率，保证产品质量合格。

（3）大数据平台。采用分布式数据计算架构，为大量图像处理的实时性计算提供强有力的支撑，有效解决大量历史数据的存储和追溯问题。

（4）预警云平台。由大数据平台提供服务器及数据汇集网关[3]，分别布置于服务器端和数据端，实现对图像采集设备数据接口协议对接，多种网络传输协议集成以及数据协议解析框架，实现图像采集设备数据的实时汇集。采用人工智能深度学习图像识别技术方法，对煤流图像进行实时分析监测。

3.3 煤流图像采集和识别分析方法

（1）采集方法。在入仓刮板机头和装车皮带机头安装先进的工业图像采集设备，前端采用高精度防爆工业摄像头，针对多粉尘现场进行防尘优化，避免影响采集精确图像。

（2）识别分析方法。采用人工智能深度学习图像识别法对煤流图像进行识别，这是一种针对大煤流图像的精确分析法。基于深度学习OneStep 系列算法，通过大量多种情况的煤流图像样本和煤流多维特征进行深度提取，构建符合实时煤流监测的数学模型，确保系统精确分析和预警[4]。图像识别分析需要经过以下五个步骤。

① 样本采集。分别在306、307 两条块煤入仓刮板机和326、327 两条块煤装车皮带机头安装视频采集设备，样本采样约2～3 个月，大约采集40万张样本，即每组10 万张。② 算法论证。组织算法团队编译两种算法。③ 程序实现。算法团队把算法提炼成编程语言由程序团队编程实现。④ 样本训练。编程结束后开始训练样本，四个场景每个场景预训练8 万张样本，2 万张为测试样本，实验室阶段算法精度需达到85%以上。⑤ 算法调优。当算法精度达到85%时，现场安装设备，不断采集样本训练算法并调优，直到每个算法精度达到95%以上。

3.4 预警系统综合功能

（1）限下率在线监测

该系统通过对块煤限下参数在线监测，获取生产、装车块煤煤质运行状态信息。对获取的信息进行实时记录，从而在现场终端操作站可显示状态趋势图等信息。

（2）限下率超标实时报警功能

系统监测到限下率超标时能及时给出报警，同时在现场终端操作站的报警信息窗口显示其报警等级、报警时间等，也可实现语音报警，提示相关人员。超标设定值可由系统管理员权限级人工设定。

（3）报警记录查询功能

可通过现场终端操作站对监控设备进行故障记录查询，以表格形式列出需查询时间段的所有报警记录，包括报警设备、类型、参数、时间、内容及值班员等。

（4）数据管理功能

系统具有大容量数据存储功能，保存系统运行记录和报警记录，为事故追溯定责提供数据依据。

（5）远程监测功能

系统与本选煤厂集中控制系统留有通讯接口，可接入选煤厂局域网，在选煤厂调度室内可实施对设备运行状态的远程监测。

4 优点及效益

4.1 优点

（1）可替代人工采样检测，克服人工效率低、速度慢、滞后性等劣势，对产品限下率控制可以做到实时检测和预警，通过对生产过程中产品质量的管控，提高块煤产品质量。

（2）可实现入仓前对产品限下率进行过程管控，并根据检测数据及时反馈选煤厂调度，及时调整各项影响参数和因素。

（3）可实时查询并留存相应图像识别资料，具有分析功能，也可实现远程操控。当用户反馈某个时段发生商品煤限下率超标时可追本溯源，通过分析可判断是生产环节还是装车环节出现了问题，从而与用户及时对接，快速做出应对方案。

4.2 经济效益

项目实施后，可实现实时在线检测产品限下率，满足用户对产品质量的要求，避免质量事故的发生。块煤产品合格率可以提高1.5%，按年生产140 万t块炭计，增加合格产品2.1 万t，按块煤与末煤差价300 元/t 计，每年至少可以减少煤质罚款630 万元。

4.3 社会效益

构建基于人工智能图像识别块煤限下率预警系统，将使产品质量管控水平提升到全新的数字时代，监控人员可以随时根据系统分析结果进行跟踪和分析，科学地进行调度，为选煤厂产品质量提供数字化支撑，同时还可减少人工采样工作量。

5 结论

近年来各级部门对煤炭企业生产管理提出越来越高的要求，选煤厂也必将由传统的自动化选煤厂向智能化选煤厂转变。人工智能图像识别块煤限下率的方法对推动选煤厂智能化建设具有积极意义，可有效推动企业及行业技术进步。