裴昊男，王乃達(dá)，江成，郭士鈺

冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)設(shè)計(jì)＊

裴昊男，王乃達(dá)，江成，郭士鈺

（天津科技大學(xué)，天津 300222）

基于機(jī)器視覺技術(shù)與傳感器檢測技術(shù)，設(shè)計(jì)開發(fā)一種循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)。該系統(tǒng)主要對冷卻塔風(fēng)機(jī)開機(jī)工作時(shí)塔內(nèi)是否有作業(yè)人員進(jìn)行實(shí)時(shí)監(jiān)測，避免冷卻塔風(fēng)機(jī)在塔內(nèi)有人情況下工作，以確保冷卻塔安全高效地生產(chǎn)。系統(tǒng)采用紅外攝像頭與機(jī)器視覺算法相結(jié)合，對塔內(nèi)有無人員進(jìn)行實(shí)時(shí)監(jiān)測，通過紅外對射傳感器與控制技術(shù)相結(jié)合，對出入塔人員進(jìn)行實(shí)時(shí)計(jì)數(shù)，從而達(dá)到風(fēng)機(jī)啟?？刂婆c預(yù)警功能。利用兩種檢測方式對塔內(nèi)有無人員進(jìn)行精準(zhǔn)檢測，具有可靠度高、安全系數(shù)大、容錯性強(qiáng)等優(yōu)點(diǎn)。通過此系統(tǒng)可取代人工監(jiān)控、作業(yè)人員上塔進(jìn)行風(fēng)機(jī)啟停的操作，實(shí)現(xiàn)安全控制遠(yuǎn)程控制，大幅度節(jié)約人力、物力，提高了生產(chǎn)效率與作業(yè)安全性，具有良好的應(yīng)用前景。

冷卻塔風(fēng)機(jī)；機(jī)器視覺；傳感器檢測；安全系數(shù)

1 引言

循環(huán)水冷卻塔是石化、電廠、鋼鐵等多種行業(yè)的重要設(shè)備，它是集空氣動力學(xué)、熱力學(xué)、流體學(xué)、化學(xué)、材料學(xué)、靜態(tài)結(jié)構(gòu)力學(xué)、動態(tài)結(jié)構(gòu)力學(xué)、加工技術(shù)等多種學(xué)科為一體的綜合產(chǎn)物。循環(huán)水冷卻塔內(nèi)設(shè)有風(fēng)機(jī)，其作用是通過葉片旋轉(zhuǎn)產(chǎn)生的空氣流，使冷卻塔內(nèi)噴淋的工業(yè)熱循環(huán)水與冷空氣直接接觸，通過空氣冷卻，將熱循環(huán)水?dāng)y帶的熱量散發(fā)到空氣中，來達(dá)到熱水的強(qiáng)制冷卻和工業(yè)循環(huán)使用的目的。

冷卻塔需定期入內(nèi)維修與故障檢驗(yàn)，塔內(nèi)工作具有作業(yè)空間窄小、作業(yè)危險(xiǎn)性高等特點(diǎn)。目前塔內(nèi)風(fēng)機(jī)的啟停需要人工操作，當(dāng)風(fēng)機(jī)沒有停止運(yùn)行時(shí)人員進(jìn)入、誤入或人員作業(yè)時(shí)風(fēng)機(jī)誤啟，極易發(fā)生危險(xiǎn)事故。針對這一問題，設(shè)計(jì)研發(fā)一種基于機(jī)器視覺技術(shù)和傳感器檢測技術(shù)的循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)，對塔內(nèi)人員進(jìn)行實(shí)時(shí)監(jiān)測與計(jì)數(shù)，根據(jù)塔內(nèi)有無人員及人員數(shù)目反饋給控制系統(tǒng)相應(yīng)的實(shí)時(shí)信號，從而進(jìn)行預(yù)警及風(fēng)機(jī)的啟停。

2 系統(tǒng)硬件組成

本文所設(shè)計(jì)的循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)硬件部分主要由以下幾部分組成：風(fēng)機(jī)監(jiān)控平臺（PC端），紅外攝像頭（3個(gè)），工控板（處理器為單片機(jī)），紅外對射傳感器（2對）及其他輔助傳感設(shè)備等。

本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)硬件連接如圖1所示。

在冷卻塔入口門上安置輔助傳感設(shè)備，用于檢測冷卻塔入口門的開合狀態(tài)。當(dāng)冷卻塔入口門被打開后，輔助傳感設(shè)備反饋高頻信號給風(fēng)機(jī)監(jiān)控平臺，進(jìn)行預(yù)警。在冷卻塔風(fēng)機(jī)入口通道合適距離處安置2對紅外對射傳感器，2對紅外對射傳感器的發(fā)射、接收端分別安置于冷卻塔入口通道兩側(cè)護(hù)欄上。當(dāng)作業(yè)人員順序通過2組紅外對射傳感器時(shí)，控制系統(tǒng)中的處理器對人數(shù)進(jìn)行加減，當(dāng)加減結(jié)果不為0時(shí)，禁止冷卻塔風(fēng)機(jī)啟動，加減結(jié)果為0時(shí)，允許冷卻塔風(fēng)機(jī)啟動。冷卻塔風(fēng)機(jī)葉片下方的四周圓形壁上每隔120°安置1個(gè)紅外攝像頭，共安置3個(gè)。通過3個(gè)紅外攝像頭實(shí)現(xiàn)對風(fēng)機(jī)附近的360°全面監(jiān)控，結(jié)合機(jī)器視覺算法監(jiān)測風(fēng)機(jī)附近有無作業(yè)人員，當(dāng)檢測到作業(yè)人員時(shí)，反饋高頻信號給控制系統(tǒng)。本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)程序流程如圖2所示。

圖1 循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警系統(tǒng)硬件圖

3 機(jī)器視覺技術(shù)

3.1 機(jī)器視覺技術(shù)概述

機(jī)器視覺指利用相機(jī)、攝像機(jī)等傳感器，配合機(jī)器視覺算法，賦予智能設(shè)備人眼的功能，從而進(jìn)行物體的識別、檢測、測量等。

在本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)中，通過機(jī)器視覺實(shí)現(xiàn)對塔內(nèi)有無人員的監(jiān)控。由于冷卻塔內(nèi)部環(huán)境存在大量水霧，對風(fēng)機(jī)附近人員監(jiān)控產(chǎn)生干擾，所以通過除霧算法對接收到的視頻圖像進(jìn)行除霧預(yù)處理，然后運(yùn)用基于混合高斯模型（GMM）的運(yùn)動目標(biāo)檢測算法對預(yù)處理后的視頻圖像進(jìn)行運(yùn)動目標(biāo)檢測，當(dāng)檢測到運(yùn)動目標(biāo)后，反饋給控制系統(tǒng)相應(yīng)信號，協(xié)助控制系統(tǒng)控制風(fēng)機(jī)的啟停。

圖2 循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警系統(tǒng)流程圖

3.2 圖像除霧

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展與進(jìn)步，圖像的去霧算法也逐步走向成熟。當(dāng)前圖像去霧算法主要有以下兩種：①基于圖像增強(qiáng)的除霧算法。通過提高圖像的對比度，進(jìn)而改善圖像的視覺效果。Retinex理論、直方圖均衡化等均屬于圖像增強(qiáng)算法。②基于物理模型的除霧算法。從圖像產(chǎn)生降質(zhì)的物理原因出發(fā)，結(jié)合大氣退化物理模型，達(dá)到圖像復(fù)原目的。

基于圖像增強(qiáng)的除霧算法：直方圖均勻化，存在邊緣信息不明顯、細(xì)節(jié)信息易丟失的缺陷；近年來基于Retinex理論的大量算法層出不窮，除霧效果不錯。

基于物理模型的除霧算法：需構(gòu)建合理的退化模型，退化模型的構(gòu)建需要大量參數(shù)，參數(shù)的獲取需要昂貴的實(shí)驗(yàn)設(shè)備，存在經(jīng)濟(jì)投入高的缺點(diǎn)。因此在本系統(tǒng)中采用基于Retinex理論的圖像除霧算法。

圖像的處理可在空域或頻域中進(jìn)行，而Retinex理論是一種在空域中基于色彩恒常性理論的模型。Retinex原理如圖3所示。

圖3 Retinex原理圖

在該理論中，圖像由物體本身亮度及反射亮度構(gòu)成，當(dāng)除去反射亮度還原物體本身時(shí)，就可得到所需的增強(qiáng)圖像。原圖像S由對應(yīng)于原圖像中的低頻部分的亮度圖像L和對應(yīng)于原圖像中的高頻部分的反射圖像R構(gòu)成。低頻部分主要來自圖像背景、環(huán)境；高頻部分主要來自于物體紋理、邊界。

該原理滿足下式：

S（，）=R（，）L（，）

3.3 運(yùn)動目標(biāo)檢測

本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)通過合理的硬件安裝位置，即將紅外攝像頭安置在風(fēng)機(jī)葉片下的塔壁上，其目的是避免監(jiān)控畫面內(nèi)出現(xiàn)轉(zhuǎn)動的風(fēng)機(jī)葉片，對塔內(nèi)作業(yè)人員的監(jiān)測產(chǎn)生干擾，使紅外攝像頭接收到的視頻圖像背景始終保持靜止?fàn)顟B(tài)。

目前針對運(yùn)動目標(biāo)的檢測算法主要有以下幾種：①相鄰幀間法。通過對相鄰兩幀圖像的同一像素位置的像素值做差運(yùn)算，得到差值，將差值與設(shè)定閾值進(jìn)行比較，根據(jù)大小關(guān)系判斷圖像中是否存在運(yùn)動該目標(biāo)。②背景幀差法。構(gòu)建背景圖像，將當(dāng)前幀圖像與背景圖像做減法得到差分圖像，將差分圖像與設(shè)定閾值相比較，判斷圖像屬于前景還是背景。③光流法?；诨叶葓D像的運(yùn)動速度，通過平面上的三維速度矢量投影，說明圖像場景外部點(diǎn)的位置變化情況。④基于神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的方法。目前主要為基于HOG特征提取、SVM支持向量機(jī)的學(xué)習(xí)算法。通過訓(xùn)練、學(xué)習(xí)、實(shí)驗(yàn)判斷視頻中的運(yùn)動目標(biāo)。

本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)采用基于混合高斯模型的運(yùn)動目標(biāo)檢測方法。

混合高斯模型（GMM）主要由方差和均值兩個(gè)參數(shù)決定，用它對背景建模的基本思想是：將圖像中每一個(gè)像素點(diǎn)的顏色用個(gè)高斯分布的疊加來表示，通過自動更新背景模型的參數(shù)以適應(yīng)變化的背景。運(yùn)用高斯混合模型對每一幀采集到的圖像進(jìn)行模擬，按照均值和方差的比值將每個(gè)像素點(diǎn)的個(gè)高斯分布由大到小進(jìn)行排序，則描述背景可能性越大的分布靠前，描述背景可能性越小的分布靠后。

設(shè)圖像像素點(diǎn)所呈現(xiàn)的顏色為，則在每時(shí)刻所得到視頻幀圖像的像素值為t，由于t為隨機(jī)變量，因此t屬于背景的概率函數(shù)為：

高斯分布概率密度函數(shù)的表達(dá)式：

運(yùn)用高斯混合模型對采集到的每一幀圖像進(jìn)行模擬，輸入第一幀時(shí)為初始模型，其參數(shù)需自定設(shè)置。通過以下匹配條件：|t－t－1，i|＜2.5i，進(jìn)行當(dāng)前圖片的像素點(diǎn)匹配，匹配成功說明當(dāng)前像素點(diǎn)屬于背景。而不符合上述匹配條件，符合|t－t－1，i|＞2.5i，說明當(dāng)前像素點(diǎn)屬于前景，即運(yùn)動目標(biāo)。此時(shí)需根據(jù)增加高斯分布條件＜或替換高斯分布條件=，對當(dāng)前模型增加新的高斯分布或替換模型中權(quán)重最小的高斯分布，實(shí)現(xiàn)模型中自身參數(shù)的更新，以及模型中權(quán)重和排序的更新。

模型自身參數(shù)t、t的更新表達(dá)式為：

t=（1－）t-1+t

高斯分布權(quán)值的調(diào)整為i，t=（1－）i，i－1+（i，t），表示更新率。

通過基于GMM的運(yùn)動目標(biāo)檢測方法對校園內(nèi)不同場景下的行人進(jìn)行實(shí)時(shí)監(jiān)測，測試結(jié)果如圖4、圖5所示。

圖4 場景一行人檢測

圖5 場景二行人檢測

通過上述實(shí)驗(yàn)證明，基于GMM的運(yùn)動目標(biāo)檢測算法在運(yùn)動目標(biāo)檢測方面效果良好，且可行。

4 傳感器計(jì)數(shù)控制系統(tǒng)設(shè)計(jì)

4.1 紅外對射傳感器

傳感器計(jì)數(shù)控制系統(tǒng)由2對紅外對射傳感器與單片機(jī)組成。2對紅外對射傳感器編號為A、B，通過紅外對射傳感器A、B對風(fēng)機(jī)內(nèi)人員進(jìn)出數(shù)量進(jìn)行實(shí)時(shí)檢測。

2對紅外對射傳感器的發(fā)射、接收端分別安置在風(fēng)機(jī)入口通道兩側(cè)的護(hù)欄上。當(dāng)有作業(yè)人員進(jìn)入冷卻塔風(fēng)機(jī)內(nèi)部時(shí)，順序經(jīng)過A、B傳感器，控制系統(tǒng)順序收到A、B信號，控制系統(tǒng)內(nèi)的計(jì)數(shù)器加1。當(dāng)作業(yè)人員離開冷卻塔時(shí)，順序經(jīng)過B、A傳感器，控制系統(tǒng)順序收到B、A信號，控制系統(tǒng)內(nèi)的計(jì)數(shù)器減1。通過計(jì)數(shù)器數(shù)目關(guān)系，確定進(jìn)出冷卻塔人員數(shù)目。當(dāng)計(jì)數(shù)器為0時(shí)，冷卻塔塔內(nèi)無作業(yè)人員。

下面對進(jìn)出作業(yè)人員的特殊情況進(jìn)行分情況討論與說明：當(dāng)作業(yè)人員進(jìn)入冷卻塔內(nèi)部時(shí)，若單片機(jī)只接收到A紅外對射傳感器的信號，而未收到B紅外對射傳感器的信號，說明工作人員沒有完全進(jìn)入塔內(nèi)，仍然存在風(fēng)險(xiǎn)，因此禁止冷卻塔風(fēng)機(jī)啟動；當(dāng)作業(yè)人員離開冷卻塔時(shí)，單片機(jī)只接收到了B紅外對射傳感器的信號，而未接收到A紅外對射傳感器的信號，說明人員未完全離開冷卻塔，依舊禁止冷卻塔風(fēng)機(jī)啟動；同時(shí)規(guī)定當(dāng)有作業(yè)人員進(jìn)出冷卻塔時(shí)，后邊的人要間隔一定的距離，保證不誤觸傳感器信號，規(guī)定人員進(jìn)入風(fēng)機(jī)后，不能在傳感器附近停留，以免產(chǎn)生信號誤差，對系統(tǒng)造成干擾。

4.2 控制設(shè)備

本循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)中的控制設(shè)備為單片機(jī)工控板，單片機(jī)分別與PC端、風(fēng)機(jī)、兩對紅外對射傳感器、輔助傳感設(shè)備連接。

單片機(jī)接收到紅外對射傳感器的人員計(jì)數(shù)反饋信號、PC端的機(jī)器視覺反饋信號后，對接收到的反饋信號進(jìn)行處理，通過反饋信號判斷冷卻塔內(nèi)是否存在作業(yè)人員，從而達(dá)到控制冷卻塔內(nèi)風(fēng)機(jī)啟停的目的。

5 結(jié)束語

本文所設(shè)計(jì)開發(fā)的基于機(jī)器視覺技術(shù)與傳感器檢測技術(shù)的循環(huán)水冷卻塔塔內(nèi)人員安全智能預(yù)警監(jiān)測系統(tǒng)極大提升了風(fēng)機(jī)內(nèi)工作人員的作業(yè)安全系數(shù)，有效避免了因操作失誤所造成的危險(xiǎn)事故的發(fā)生。該系統(tǒng)在工業(yè)上的應(yīng)用，可取代人工監(jiān)控、作業(yè)人員上塔進(jìn)行風(fēng)機(jī)啟停的操作，實(shí)現(xiàn)安全控制、遠(yuǎn)程控制，大幅度節(jié)省人力、物力的投入，具有良好的應(yīng)用前景。而隨著人工智能、機(jī)器視覺技術(shù)的不斷進(jìn)步與發(fā)展，本系統(tǒng)在現(xiàn)有基礎(chǔ)上還存在很大的改進(jìn)與提升空間，值得進(jìn)一步深入研究。

［1］陳建平，曹冬冬，王亞麗.冷卻塔風(fēng)機(jī)優(yōu)化節(jié)能控制系統(tǒng)的設(shè)計(jì)［J］.機(jī)械設(shè)計(jì)與制造，2014（4）：103-105.

［2］趙偉.基于機(jī)器視覺的列檢庫作業(yè)人員安全監(jiān)測系統(tǒng)研究［D］.蘭州：蘭州交通大學(xué)，2014.

［3］李瑞.冷卻塔風(fēng)機(jī)PLC監(jiān)控預(yù)警系統(tǒng)并入DCS技術(shù)研究［D］.天津：天津科技大學(xué)，2019.

［4］肖伶.基于機(jī)器視覺的行人檢測算法研究與實(shí)現(xiàn)［D］.貴陽：貴州大學(xué)，2019.

［5］湯桂桃.基于機(jī)器視覺的生產(chǎn)線關(guān)鍵崗位人員檢測［D］.成都：電子科技大學(xué)，2017.

［6］成蕾.視頻圖像去雨霧算法的研究［D］.天津：天津大學(xué)，2011.

［7］李珊.基于視頻的礦井下人員檢測方法研究［D］.武漢：武漢理工大學(xué)，2018.

TQ053

A

10.15913/j.cnki.kjycx.2020.18.001

2095－6835（2020）18－0001－03

由天津科技大學(xué)創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目支持

裴昊男（1998—），男，河北承德人，天津科技大學(xué)機(jī)械工程學(xué)院機(jī)械電子工程專業(yè)本科在讀。王乃達(dá)（1999—），男，山東聊城人，天津科技大學(xué)機(jī)械工程學(xué)院車輛工程專業(yè)本科在讀。江成（1999—），男，江西九江人，天津科技大學(xué)機(jī)械工程學(xué)院車輛工程專業(yè)本科在讀。郭士鈺（1999—），女，山西忻州人，天津科技大學(xué)機(jī)械工程學(xué)院車輛工程專業(yè)本科在讀。

〔編輯：嚴(yán)麗琴〕