洪嘉陽,唐雅婧,葛啟發(fā),張維國

(中國恩菲工程技術(shù)有限公司,北京 100038)

0 前言

磨礦作業(yè)在整個(gè)選礦的工藝流程中不僅是一個(gè)重要的生產(chǎn)工藝過程,其工作效率及產(chǎn)品質(zhì)量還對(duì)選礦指標(biāo)及經(jīng)濟(jì)效益產(chǎn)生重大影響。因此磨礦分級(jí)作業(yè)的優(yōu)化、穩(wěn)定控制對(duì)選礦過程的提升指標(biāo)、節(jié)能降耗、安全生產(chǎn)有著重要意義。按照采場生產(chǎn)計(jì)劃,通常采出原礦在一定時(shí)期因礦巖屬性、結(jié)理發(fā)育、爆破和粗破效果等各種原因而存在物理性質(zhì)的波動(dòng),原礦往往塊度大的難磨、塊度小的易磨,因此磨機(jī)給料需要分級(jí),建立塊度的準(zhǔn)確識(shí)別對(duì)提升磨礦效率非常重要。磨礦過程存在大慣性、參數(shù)時(shí)變、非線性等特點(diǎn),全流程控制和調(diào)節(jié)存在多變量輸入和輸出。磨礦分級(jí)系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵因素是給礦的穩(wěn)定性,其中給礦的硬度、塊度和給礦量對(duì)磨礦過程影響最大[1]。

在選礦生產(chǎn)流程中,人工取樣和篩分是最常見的礦石塊度分布檢測方法,這種方式操作簡單,適應(yīng)性強(qiáng),但在實(shí)際生產(chǎn)管理過程中存在人力消耗大、監(jiān)測數(shù)據(jù)滯后、無法實(shí)現(xiàn)實(shí)時(shí)在線檢測等缺點(diǎn)。數(shù)字化、自動(dòng)化、智能化是智能選礦廠未來的發(fā)展趨勢。隨著機(jī)器視覺、通訊技術(shù)和控制技術(shù)的快速發(fā)展,選礦廠的磨礦分級(jí)系統(tǒng)成為解決磨機(jī)給料控制主要手段[2]。本文圍繞圖像采集、礦石塊度分析和數(shù)據(jù)傳輸與控制,研究和開發(fā)了選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng),實(shí)時(shí)獲取準(zhǔn)確的磨機(jī)給料的塊度分布信息,為磨礦過程的自動(dòng)控制奠定基礎(chǔ)。

1 實(shí)時(shí)塊度分析技術(shù)路線

選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)基于分水嶺算法對(duì)給礦塊度圖像進(jìn)行分析,先對(duì)采集礦石圖像,再處理圖像分割算法,最后將結(jié)果通過工業(yè)以太網(wǎng)傳給智能控制系統(tǒng)(DCS)對(duì)皮帶進(jìn)行控制。

礦石塊度的識(shí)別通過高速工業(yè)攝像機(jī)實(shí)時(shí)采集給礦皮帶上原礦礦石的圖像數(shù)據(jù),圖像數(shù)據(jù)采集可以通過多路工業(yè)攝像機(jī)采集。在應(yīng)用處理部分將高速工業(yè)攝像機(jī)采集的圖像通過交換機(jī),傳輸?shù)絎EB 服務(wù)、數(shù)據(jù)庫服務(wù)和算法服務(wù)處理,其中算法將給礦塊度圖像進(jìn)行分割算法處理,并將塊度數(shù)據(jù)進(jìn)行量化(如F20、F50、F80),對(duì)最終的給料塊度計(jì)算合成得到礦石塊度的大小和粗細(xì)信息。計(jì)算結(jié)果作為進(jìn)一步數(shù)據(jù)處理和數(shù)據(jù)展現(xiàn)內(nèi)容傳輸?shù)綌?shù)據(jù)庫服務(wù)和WEB 服務(wù)。選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)的核心是算法服務(wù),算法服務(wù)將實(shí)時(shí)采集的圖像信息通過軟網(wǎng)關(guān)與用于過程控制的軟件交互,最終結(jié)果通過塊度分析系統(tǒng)的WEB 服務(wù)前端界面展示塊度分析結(jié)果和視頻監(jiān)控礦石狀態(tài)。選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)整體結(jié)構(gòu)如圖1 所示。

圖1 選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)結(jié)構(gòu)

2 高速圖像采集技術(shù)

圖像采集技術(shù)是決定礦石塊度圖像能否精確檢測的關(guān)鍵因素[3]。塊度圖像采集的數(shù)據(jù)量大,實(shí)時(shí)性要求較高,因此采用高速工業(yè)相機(jī)結(jié)合以太網(wǎng)光纖的連接方式來完成塊度圖像的采集。圖像數(shù)據(jù)采集完成后,使用CAT5E 屏蔽網(wǎng)線通過交換機(jī)將數(shù)據(jù)發(fā)送至服務(wù)器。

高速工業(yè)攝像機(jī)具備較好的防塵性能,并配備補(bǔ)光光源照明系統(tǒng),由2 個(gè)LED 光源組成,安裝在工業(yè)攝像機(jī)的兩側(cè),為攝像機(jī)提供穩(wěn)定光源。工業(yè)相機(jī)和照明系統(tǒng)安裝在帶式輸送機(jī)上方。其采用AC220V 50 Hz 進(jìn)行供電,設(shè)備內(nèi)集成散熱設(shè)備,可以在速度為5 m/s 的皮帶上采集高清礦石圖像,提供清晰可靠的圖像供分析。

現(xiàn)場的圖像獲取設(shè)備由八臺(tái)高清工業(yè)攝像機(jī)和八臺(tái)LED 輔助光源組成,分別放置于六臺(tái)皮帶給料機(jī)、一臺(tái)磨機(jī)給料機(jī)和一臺(tái)長距離皮帶運(yùn)輸機(jī)上方1.5 m 處?，F(xiàn)場采用的給料機(jī)有物理分礦能力,一般情況下皮帶上的礦石分為以下兩種情況:以粉料為主帶少量粗料和粗料為主帶少量粉料。礦石被給料機(jī)分給位于磨機(jī)給料機(jī)皮帶左右兩側(cè)的六臺(tái)皮帶給料機(jī),其中一號(hào)、二號(hào)給料機(jī)的礦石較細(xì);三號(hào)、四號(hào)給料機(jī)的礦石適中;五號(hào)、六號(hào)給料機(jī)的礦石較粗。

圖2 圖像采集裝置布局示意圖

選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)使用Http 協(xié)議和Http Basic Authentication 基本認(rèn)證對(duì)攝像頭的數(shù)據(jù)進(jìn)行采集。Http 協(xié)議具有通信速度快的特點(diǎn),采用此方式可極大節(jié)省傳輸時(shí)間。每組攝像頭通過Http 接口向攝像頭請(qǐng)求一個(gè)分辨率為2 304 ×1 728格式為JPEG 圖像(快照),獲取圖像的速率不應(yīng)高于1 幀/S(fps)。當(dāng)請(qǐng)求發(fā)出之后,攝像機(jī)將返回指定的JPEG 圖像。設(shè)備每15 s 連續(xù)抓拍兩張高清礦石圖像傳送至服務(wù)器指定的image 文件夾并保存,服務(wù)器分別保存來自八組攝像機(jī)最新的100 張圖像。采集礦石塊度圖像的實(shí)時(shí)性和清晰度將直接影響后續(xù)圖像分割算法的效果。

3 磨機(jī)給礦實(shí)時(shí)塊度圖像分析

3.1 改進(jìn)分水嶺算法分割礦石塊度

通過分析粉料、混合料和粗料圖像的特點(diǎn)發(fā)現(xiàn):粗料上有小顆粒,對(duì)于大塊的礦石還會(huì)有大的棱角和色塊,采用簡單的圖像分割算法很難抵抗粗礦石表面的干擾。結(jié)合常用圖像分割技術(shù)來克服礦石圖像中的干擾,采用改進(jìn)的分水嶺算法進(jìn)行圖像分割[4-5],對(duì)分割線進(jìn)行繪制。本文采用Python 語言對(duì)選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)進(jìn)行開發(fā),并調(diào)用Opencv4.5.3 計(jì)算機(jī)視覺庫實(shí)現(xiàn)圖像分割算法。Opencv 是一個(gè)開源的支持多平臺(tái)的計(jì)算機(jī)視覺庫,具有Python 接口可以實(shí)現(xiàn)實(shí)時(shí)圖像處理和計(jì)算機(jī)視覺算法應(yīng)用。

分水嶺算法被廣泛應(yīng)用于圖像分割任務(wù)中,尤其適合礦石圖像分割。分水嶺算法是以地理學(xué)中的地形地貌圖為啟發(fā),像素點(diǎn)的灰度值被類比為海拔,分水嶺算法模擬的是浸水過程。圖像中不同灰度值的區(qū)域就對(duì)應(yīng)于山峰和山谷盆地。分水嶺線則是對(duì)應(yīng)盆地的邊緣。本文采用基于標(biāo)記的分水嶺算法進(jìn)行優(yōu)化,標(biāo)記的定位和大小直接影響分割效果。通常情況下,計(jì)算出前景標(biāo)記和背景標(biāo)記,修改分割函數(shù)以便于其只在標(biāo)記所定位的地方有區(qū)域最小值。最后,基于標(biāo)記去進(jìn)行分水嶺變換得到分水嶺分割線[6-7]。

詳細(xì)的圖像分割算法可描述如下:設(shè)灰度圖像f的最小灰度值為hmin,最大灰度值為hmax,閾值確定為T。首先檢測出圖像局部的最低點(diǎn)hmin,將這樣的點(diǎn)逐一標(biāo)記出來Mi(i=1,2,…,n),Mi為最小值點(diǎn)集,n為像素值為hmin的點(diǎn)的個(gè)數(shù)。以Mi為標(biāo)記點(diǎn),用Nk(Mi)表示點(diǎn)Mi的鄰域,點(diǎn)Mi所對(duì)應(yīng)的區(qū)域?yàn)?

式中:CT(Mi)為集水盆地;點(diǎn)p作為標(biāo)記點(diǎn)將進(jìn)行區(qū)域生長,直到?jīng)]有滿足閾值T的點(diǎn)為止。假設(shè)對(duì)N個(gè)種子點(diǎn)進(jìn)行區(qū)域生長,hmin對(duì)應(yīng)的集水盆地為:

從而得到hmin對(duì)應(yīng)的集水盆地。h=hmin+1,當(dāng)h＜hmax+1 重復(fù)以上步驟,直到得到所有集水盆地,將集水盆地的邊緣作為圖像分割的分界線。

改進(jìn)的分水嶺圖像分割算法的處理過程分為五步,第一步是對(duì)輸入的圖像采用雙邊濾波函數(shù)處理,要在保留礦石邊緣的同時(shí)盡可能的模糊粗礦石表面的干擾。粗礦石表面的干擾較強(qiáng),邊緣也較強(qiáng),所以可以使用雙邊濾波算法來做邊緣保存。通過經(jīng)驗(yàn)和實(shí)踐選取雙邊濾波函數(shù)的參數(shù)為每個(gè)像素周圍鄰域的核直徑設(shè)置為25,顏色空間方差的參數(shù)設(shè)置為100,坐標(biāo)空間方差的參數(shù)設(shè)置為25。第二步操作包括圖像灰度化,自適應(yīng)閾值操作和兩個(gè)中值濾波器,主要目的是將圖像二值化,因?yàn)榉指钏惴ǖ哪繕?biāo)是按礦石輪廓進(jìn)行分割,所以先對(duì)圖像進(jìn)行二值化操作可以大大降低后續(xù)處理的難度。設(shè)置中值濾波的核為3,防止礦石邊緣被打斷。在自適應(yīng)閾值操作前后分別對(duì)圖像進(jìn)行中值濾波。第三步是形態(tài)學(xué)腐蝕操作和一個(gè)中值濾波,因?yàn)檩喞]合操作會(huì)使大量邊緣沒閉合且連接的區(qū)域相連,導(dǎo)致小顆粒大范圍欠分割。過度的形態(tài)學(xué)操作也同樣不可取。采用較大的中值濾波器核和一個(gè)5 ×5 的變形橢圓進(jìn)行腐蝕操作。第四步是選定有效區(qū)域進(jìn)行礦石塊度信息分布統(tǒng)計(jì),采用分水嶺變換基于經(jīng)過提取出的標(biāo)記繪制分割線。選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)中改進(jìn)分割算法對(duì)礦石圖像處理各階段的效果,如圖3 所示。

圖3 改進(jìn)分割算法對(duì)礦石圖像處理

3.2 實(shí)時(shí)給礦塊度評(píng)估參數(shù)

實(shí)時(shí)礦石塊度分析系統(tǒng)的目標(biāo)是從圖像中獲取礦石粗細(xì)的信息?，F(xiàn)場采用高速攝像機(jī)和輔助光源等硬件設(shè)備將對(duì)皮帶給料機(jī)上的礦石進(jìn)行實(shí)時(shí)監(jiān)控。開發(fā)能夠準(zhǔn)確分割礦石圖像的分割算法,最后將分割結(jié)果轉(zhuǎn)換成粗細(xì)信息。目前最廣泛使用的評(píng)估礦石粗細(xì)的參數(shù)是基于粒度分布的F80 參數(shù)[8-9],其是指80%的礦石可以通過的篩孔尺寸,也可以理解當(dāng)累加重量達(dá)到總重的80%時(shí),臨界礦石的粒度就是F80 參數(shù)的值。計(jì)算F80 參數(shù)需要將二維的礦石輪廓信息先轉(zhuǎn)換為三維的礦石粒度信息后再進(jìn)行統(tǒng)計(jì)得出。計(jì)算過程如下:

n是顆粒的總數(shù),k1,k2,…,kn分別是圖像中所有分割區(qū)域轉(zhuǎn)換成顆粒的重量,k1,k2,…,ki分別是分割區(qū)域中粒度小于F80 的顆粒重量。ki就是F80參數(shù)的取值。

F80 本質(zhì)是一個(gè)三維的衡量參數(shù),需要將二維分割區(qū)域轉(zhuǎn)換成顆粒的三維粒度信息后再進(jìn)行統(tǒng)計(jì)計(jì)算。對(duì)于自動(dòng)控制系統(tǒng)來說量化粗細(xì)參數(shù)被用于調(diào)整磨機(jī)功率,因?yàn)榻o料粗細(xì)是一個(gè)相對(duì)隨機(jī)的過程,采用塊度分布調(diào)節(jié)效率相對(duì)較低,常用的方法是抽象出單一的量化參數(shù)進(jìn)行評(píng)估,效率高且區(qū)分度大。常用的二維輪廓轉(zhuǎn)三維粒度信息的模型包括等面積圓、最大內(nèi)接圓、弗雷特直徑、最小外接圓、擬合橢圓、最小外接矩形等。每種模型都有最適合的顆粒形狀,如果根據(jù)圖像中每個(gè)顆粒的二維形狀來選取模型,則帶來的運(yùn)算量大,并且處理時(shí)間也會(huì)更長。如果用一種轉(zhuǎn)換模型處理圖像中所有顆粒就會(huì)帶來誤差,例如采用擬合橢圓的長軸代表類三角形礦石的粒度帶來的誤差就非常大。采用不同模型對(duì)圖像的分割結(jié)果進(jìn)行統(tǒng)計(jì)分析,結(jié)果顯示,對(duì)于等面積圓、擬合橢圓(短軸)、最大內(nèi)接圓、弗雷特直徑(x軸)顯示出的粗細(xì)趨勢均是正確的。根據(jù)選廠的實(shí)際篩分結(jié)果本系統(tǒng)采用等面積圓粒度模型進(jìn)行F80參數(shù)的計(jì)算。

目前最常見的F80 參數(shù),其本質(zhì)是一個(gè)塊度分布情況統(tǒng)計(jì),可以結(jié)合F50、F20 一起使用。改進(jìn)分割算法對(duì)礦石圖像處理后塊度分布的柱狀圖和累積塊度分布折線圖,如圖4 所示,可以看出該圖的F80值為12.51 cm、F50 值為7.07 cm、F20 值為2.76 cm。試驗(yàn)結(jié)果證明了所開發(fā)的系統(tǒng)可以進(jìn)行準(zhǔn)確地分割粉料、混合料和粗料圖像,為下一階段的DCS 控制系統(tǒng)智能配礦奠定了基礎(chǔ)。

圖4 累積塊度分布

4 數(shù)據(jù)的傳輸與展示

4.1 可視化管理操作界面

基于分水嶺算法的礦石塊度分析系統(tǒng),目前已經(jīng)應(yīng)用于工業(yè)現(xiàn)場。系統(tǒng)開發(fā)分為前端、后端并于數(shù)據(jù)庫服務(wù)器通信。前端基于HTML5、CSS3、JavaScript、Vue 框架實(shí)現(xiàn),后端基于Node.js,數(shù)據(jù)庫采用MySQL。系統(tǒng)可以實(shí)現(xiàn)連接工業(yè)攝像頭,展示實(shí)時(shí)視頻,對(duì)實(shí)時(shí)礦石圖像分割。

實(shí)時(shí)監(jiān)控頁面,展示已成功連接攝像頭實(shí)時(shí)回傳的畫面,展示處于皮帶上礦石的狀態(tài),視頻監(jiān)控畫面如圖4 所示。通過實(shí)時(shí)監(jiān)控頁面,用戶可以直觀的獲知各個(gè)攝像頭的工作狀態(tài)是否正常,皮帶運(yùn)行結(jié)果是否正常。

點(diǎn)擊塊度分析進(jìn)入礦石塊度分析界面,系統(tǒng)顯示攝像頭實(shí)時(shí)畫面,以及分水嶺算法處理后的結(jié)果圖,礦石粒徑和累積粒徑分布圖表,(F80、F50、F20)值的實(shí)時(shí)折線圖15 s 更新一次,(粗礦、中礦、細(xì)礦)所占百分比的實(shí)時(shí)折線圖15 s 更新一次,可以更直觀觀察皮帶上礦石的粗細(xì)變化趨勢。

圖5 視頻監(jiān)控畫面

圖6 礦石塊度分析畫面

視頻管理頁顯示已經(jīng)成功添加的設(shè)備信息。提供“添加設(shè)備”“編輯設(shè)備”“查看詳情”“刪除設(shè)備”操作。通過設(shè)備列表,用戶可以清晰的獲知當(dāng)前應(yīng)用所連接的攝像頭,及攝像頭運(yùn)行相關(guān)的參數(shù)信息,如:設(shè)備型號(hào)、設(shè)備地址、設(shè)備運(yùn)行狀態(tài)等信息。

為了對(duì)塊度圖像的識(shí)別更加準(zhǔn)確,本系統(tǒng)提供了塊度圖像的區(qū)域選擇功能,能夠?qū)崟r(shí)更改圖像分析的區(qū)域。如圖所示可以對(duì)8 個(gè)攝像機(jī)實(shí)時(shí)拍攝畫面進(jìn)行區(qū)域選擇,點(diǎn)擊開始可以區(qū)域選擇,點(diǎn)擊保存系統(tǒng)將使用選定區(qū)域進(jìn)行圖像分析,清除按鈕可以刪除選框。同時(shí)頁面將實(shí)時(shí)顯示選框的起點(diǎn)橫坐標(biāo)、起點(diǎn)縱坐標(biāo)、長度、寬度、面積等信息便于用戶能更精確的選擇塊度分析區(qū)域。

4.2 DCS 控制系統(tǒng)通信

在磨機(jī)設(shè)備安全工作的前提下,根據(jù)半自磨機(jī)運(yùn)行功率、給礦粒度等狀態(tài)參數(shù),通過DCS 控制系統(tǒng)對(duì)半自磨機(jī)給礦量、給水量實(shí)現(xiàn)連續(xù)不間斷的智能調(diào)整,并實(shí)現(xiàn)半自磨根據(jù)浮選情況調(diào)整供礦量,對(duì)半自磨的磨礦過程進(jìn)行精細(xì)控制,以最大化提高磨機(jī)處理量,保證磨礦產(chǎn)品粒度,提高磨礦產(chǎn)能及指標(biāo)。通過檢測出的實(shí)時(shí)礦石塊度F80 值,可指導(dǎo)DCS 智能控制系統(tǒng)調(diào)節(jié)粗、中、細(xì)礦的比例分配,以便于實(shí)現(xiàn)智能配礦。

圖7 視頻管理畫面

圖8 塊度分析區(qū)域選擇畫面

本系統(tǒng)以中國云南省某選廠DCS 系統(tǒng)為基礎(chǔ),選礦磨機(jī)給料實(shí)時(shí)塊度分析系統(tǒng)采用艾默生公司的智能控制系統(tǒng)DeltaV DCS,使用第三方OPC 連接包以確保分析系統(tǒng)與控制系統(tǒng)之間數(shù)據(jù)的轉(zhuǎn)換具有魯棒性。在服務(wù)器上安裝OPC Mirror 模塊實(shí)現(xiàn)智能控制系統(tǒng)的數(shù)據(jù)與遠(yuǎn)程OPC 數(shù)據(jù)采集站OPC Server間的通訊。搭建OPC UA 服務(wù)器,安裝KEPServer-EX 軟件搭配python 中的opcua 包,與圖像分割算法建立實(shí)時(shí)通信,將礦石塊度圖像的F80 值實(shí)時(shí)傳輸給DCS 系統(tǒng)。

5 結(jié)論

針對(duì)選礦磨機(jī)礦石塊度高速在線檢測的實(shí)際需要,提出了一種具有通用性的實(shí)時(shí)塊度分析系統(tǒng),該系統(tǒng)可以對(duì)皮帶上的礦石進(jìn)行高速在線圖像采集,分割采集到的礦石圖像,量化統(tǒng)計(jì)分割后的圖像信息,通過OPC 通訊將礦石塊度參數(shù)傳輸至選廠自動(dòng)化系統(tǒng)。

安裝八臺(tái)高清工業(yè)攝像機(jī)和八臺(tái)輔助照明系統(tǒng)用于實(shí)時(shí)采集各下料口處的礦石塊度圖像,為后續(xù)的算法分析提供了清晰可靠的圖像。

對(duì)礦石圖像采用改進(jìn)后的分水嶺圖像分割算法處理可實(shí)現(xiàn)對(duì)各類礦石圖像的高精度分割。同時(shí)采用等面積圓計(jì)算F80 值,高效且準(zhǔn)確的衡量礦石的粗細(xì)程度及變化。

實(shí)踐結(jié)果表明,該系統(tǒng)操作合理,檢測方便,可視化效果好,完全滿足實(shí)時(shí)礦石塊度分析技術(shù)要求,解決了由于缺乏塊度檢測分析系統(tǒng)而無法實(shí)現(xiàn)給礦塊度的自動(dòng)配比這一難題,同時(shí)為今后智能選礦廠的發(fā)展提供參考。