銅電解極板短路檢測方法綜述

鐘鑫豪 龍永紅 何震凱

摘 要：在銅電解精煉過程中陰陽極板的電流分布不均會導(dǎo)致陰極板上產(chǎn)生銅粒，銅結(jié)粒將造成陰陽極板短路且陰極板溫度升高，繼而造成較高的電能消耗以及銅的品質(zhì)下降。針對紅外熱像圖進行銅電解極板短路檢測過程，我們列舉了工業(yè)生產(chǎn)上常用的檢測方法，并分析了國內(nèi)外學(xué)者對此問題的研究，他們普遍存在熱像圖模糊、極板目標(biāo)紋理特征不明顯、背景雜亂以及圖像特征選取不當(dāng)造成檢測準(zhǔn)確率低的問題，提出了一種基于快速候選區(qū)域提取卷積神經(jīng)網(wǎng)絡(luò)（Faster R-CNN）與紅外熱像圖的銅電解極板短路檢測方法。

關(guān)鍵詞：銅電解；極板短路檢測；Faster R-CNN

1 研究背景

在當(dāng)今金屬冶煉方法中，廣泛應(yīng)用的方法有濕法冶金和火法冶金兩種形式。濕法冶金的逐漸成熟以及能從品位較低的礦產(chǎn)資源中提取出貴金屬的優(yōu)點使其受到越來越多廠家的關(guān)注和投入。濕法冶金主要是指電解法，電解使用可溶性陽極，在電解過程中沉積在陰極上的金屬大多數(shù)來源于陽極板。但是，在電解過程中因陰極板的平整度較差、陰陽極間距離不均勻而出現(xiàn)電流分布不均現(xiàn)象，這將會導(dǎo)致陰極板生長結(jié)粒，繼而導(dǎo)致短路以及陰極板溫度升高。它將會造成較高的電能消耗，金屬的產(chǎn)量也會下降[1-4]。

正常情況下銅的電流效率為96%～98%，但是當(dāng)發(fā)生大量短路現(xiàn)象后電流效率會下降，這將造成大量的經(jīng)濟損失（2%～4%）。另一方面短路的陰極板上會有較大的結(jié)粒產(chǎn)生，這將造成陰極板的質(zhì)量下降，也就是銅的品級率發(fā)生下降。及時檢測出銅電解中短路的陰陽極板是各個冶煉廠迫切需要解決的問題，因此提高電解銅極板檢測的效率和正確率是當(dāng)前智能檢測的重要內(nèi)容。

2 Tiny-yolov3的算法改進

針對銅電解系統(tǒng)中陰陽極板短路的檢測，國內(nèi)外主要有以下幾種方法。

第一是利用手托式高斯計查槽器[5]。該方法是結(jié)合肉眼觀察極板間距的方式，在銅電解過程中如果出現(xiàn)陰極板板面彎曲或是陰極板板面上有結(jié)?，F(xiàn)象，該陰極板上就會出現(xiàn)局部的電流過大，從而導(dǎo)致局部電磁場強度過高。當(dāng)用高斯計查槽器檢查時，其指示燈會在磁場大的地方亮起。這種手托式高斯計具有結(jié)構(gòu)簡單、成本低的優(yōu)點，但是它的精度不高經(jīng)常會造成漏檢、誤檢的現(xiàn)象，其檢測周期較長的缺點導(dǎo)致在實際生產(chǎn)中需要投入大量的人力用手托式高斯計查槽器檢查。

第二是用傳感器監(jiān)控陰陽極板的電壓和電流[6-7]。該方法需要在每一塊極板上都安裝電壓電流傳感器。由于該方法屬于接觸式測量，傳感器容易受到極板的摩擦和溶液的腐蝕，這將造成傳感器很容易發(fā)生機械損傷和腐蝕損傷，最終會因為其使用壽命短而需要花費大量人力和物力進行維護。并且大量傳感器的成本也很大。

第三是用紅外圖像[8]。該方法是利用陰陽極板紅外圖像的灰度值與電流的函數(shù)關(guān)系來檢測短路。此方法是利用熱成像儀來獲取槽面的溫度圖像，并通過算法來檢測電極板是否短路。這種紅外熱成像的方法可實現(xiàn)自動化，對儀器的損傷比較小，并且可拓展更多的功能。但是這種方法具有延時性，當(dāng)溫度發(fā)生變化后才能檢測出故障，并且儀器還要具備移動的功能。

從表1可以看出，紅外熱成像法具備其他兩種方法不具備的檢測方便、成本相對較低等優(yōu)勢，因此我們選擇這種方法來實現(xiàn)銅電極板短路的檢測。

3 國內(nèi)外研究

自1969年伯明翰的一家工廠首次采用電解精煉的方法生產(chǎn)銅以來，銅電解精煉至今已有100多年的歷史。但20世紀(jì)中葉以來，銅電解精煉技術(shù)才得到了大力發(fā)展，同時國內(nèi)外許多專家學(xué)者也對銅電解各種故障的檢測做出了大量的研究工作。國外的電解銅技術(shù)發(fā)展較快，成果也比較豐富，導(dǎo)致其電解槽的電流效率較國內(nèi)普遍偏高，可達94%～99%。國外電解槽的各種故障發(fā)生率也普遍低于國內(nèi)，低至10%～25%。國內(nèi)企業(yè)相比國外企業(yè)在各項指標(biāo)上還存在不小的差距，電流效率偏低，電解槽運行不穩(wěn)定，故障率偏高等，都還具有很大的提升空間。

對于紅外熱成像檢測電解槽短路問題，國內(nèi)外學(xué)者在這方面進行了大量研究。郭彩喬[9]提出將紅外熱像儀安裝在巡檢小車上，采集紅外圖像并通過電解槽的外形特征提取單個槽面圖，然后通過閾值分割圖像得到短路極板輪廓，以輪廓重心作為短路電極的坐標(biāo)。張雨[10]根據(jù)灰度特征分割出單個極板的區(qū)域，提取故障極板的特征向量，對特征向量進行相關(guān)性分析后，提取平均灰度、梯度波動幅度、故障區(qū)域面積比、Hu矩1和Hu矩3作為輸入數(shù)據(jù)，通過BP神經(jīng)網(wǎng)絡(luò)檢測短路極板。Jia[11]在短路極板的特征提取方法上提出了差分LBP方法，使其不易受季節(jié)和蓋布等因素的影響，另外提出像素值有序化PCA方法，使其特征具有更強的緊湊性，在分類器的選擇上，使用了支持向量機的方法。

上述方法均為手動提取特征，特征的應(yīng)用有限，且泛化性能不佳。卷積神經(jīng)網(wǎng)絡(luò)檢測圖像目標(biāo)的方法因其自動學(xué)習(xí)特征參數(shù)、準(zhǔn)確率高的特點受到廣泛關(guān)注。因此提出一種基于紅外熱像圖的卷積神經(jīng)網(wǎng)絡(luò)檢測銅電解短路極板的方法。

4 銅電解極板短路檢測系統(tǒng)的組成

基于紅外熱成像的銅電解極板短路檢測包含3個過程：首先對電解槽極板溫度進行識別，進行處理得到極板溫度的圖像，再進行極板短路檢測來識別電解槽的短路位置，并設(shè)計一個電解極板故障預(yù)警方法來提示和警告。

1）電解槽極板溫度識別

可采用高分辨率攝像機獲取并經(jīng)處理后得到可見光圖像，采用紅外熱像儀獲取并經(jīng)處理后得到紅外熱圖像。該高分辨率攝像機和紅外熱像儀能夠在電解槽陣列上方在水平方向上移動，以便逐一掃描整個電解槽陣列內(nèi)的所有電解槽，從而獲取各電解槽及電解槽內(nèi)極板的可見光圖像和紅外熱圖像。獲取當(dāng)前電解槽的可見光圖像后，將該可見光圖像依次與電解槽和極板的標(biāo)準(zhǔn)邊緣模板進行匹配，從而使電解槽和極板的實際位置清晰地反映在可見光圖像中。同時，將所獲取的可見光圖像與紅外熱圖像配準(zhǔn)，使紅外熱圖像中反映的極板溫度信息與可見光圖像中的現(xiàn)場場景相對應(yīng)，極板的溫度信息能夠直觀、清晰地反映在可見光圖像中。綜合匹配后的標(biāo)準(zhǔn)邊緣模板和可見光圖像，以及配準(zhǔn)后的可見光圖像和紅外熱圖像，使紅外熱圖像中反映的溫度信息能夠與電解槽和極板的位置關(guān)系一一對應(yīng)，更準(zhǔn)確、快速地識別相應(yīng)極板的溫度信息。

2）極板短路檢測

紅外熱像圖以非接觸的方式大面積地反映銅電解槽面溫度分布，目前常用極板提取方法，均為手動提取特征，特征的應(yīng)用有限，且泛化性能不佳。卷積神經(jīng)網(wǎng)絡(luò)檢測圖像目標(biāo)的方法因其自動學(xué)習(xí)特征參數(shù)、準(zhǔn)確率高的特點受到廣泛關(guān)注。因此提出一種基于紅外熱像圖的卷積神經(jīng)網(wǎng)絡(luò)檢測銅電解短路極板的方法。

3）電解極板故障預(yù)警方法

紅外熱圖像反映了銅電解槽面的即時溫度分布，而短路故障的發(fā)生是一個緩慢動態(tài)發(fā)展的過程，根據(jù)一段時間內(nèi)電極的溫度變化信息對極板的短路故障提前預(yù)警是實現(xiàn)高效檢測，提高電解效率的重要手段。

5 結(jié)論

設(shè)計出一種基于紅外熱成像的銅電解極板短路檢測系統(tǒng)。此檢測系統(tǒng)先是通過紅外熱成像來獲得電解槽的溫度圖像，再結(jié)合時下比較熱門的基于卷積神經(jīng)網(wǎng)絡(luò)的檢測系統(tǒng)來達到分割、檢測自動化的目的，最后再軟硬件結(jié)合做出故障預(yù)警系統(tǒng)。這套檢測系統(tǒng)的研制成功，可以減少傳統(tǒng)的電解槽檢測過程中工人的操作，極大地改善生產(chǎn)車間的工作環(huán)境。該系統(tǒng)誤差小，精度高，操作方便，損耗低。這有利于減輕工人的勞動強度、提高工廠的生產(chǎn)效率，同時能節(jié)省人力資源，以達到節(jié)約成本的目的。

參考文獻：

[1] 趙欣.銅電解新技術(shù)的應(yīng)用[[J].有色冶金設(shè)計與研究，2008， 29（4）：8-12.

[2] WIECHMANN E P，MORALES A S，AQUEVEQUE P，et al.Measurement of Cathodic Currents in Equipotential Inter-Cell Bars for Copper Electrowinning and Electrorefining Plants[C]// IEEE Industry Applications Conference.2007：2074-2079.

[3] 劉延亮.銅電解過程中如何提高電流效率、降低殘極率[[J].山東工業(yè)技術(shù)，2015（18）：121.

[4] 李公建.淺談銅電解生產(chǎn)過程中降低槽電壓的途徑[[J].甘肅冶金，2010，32（3）：71-72.

[5] 高鵬建，滕功清.基于GMI效應(yīng)的高斯計的實現(xiàn)[[J].北京信息科技大學(xué)學(xué)報：自然科學(xué)版，2010，25（1）：53-56.

[6] 張帆，徐媛卿.奧托昆普銅電解生產(chǎn)全過程的控制與自動化[J].中國有色冶金，2004，33（5）：47-52.

[7] YANG X，MENG G，LIU X，et al.Comparative study of the micro-morphological characteristics of the first and second short-circuit copper melted beads[J].Chinese Journal of Stereology&Image Analysis，2012（2）：133-137.

[8] 趙仁濤，張雨，鐵軍，等.紅外熱成像技術(shù)在銅電解電流分布測量中的應(yīng)用[J].紅外技術(shù)，2015，37（11）：981-985.

[9] 郭彩喬.基于圖像處理技術(shù)的電解槽故障診斷方法研究[D].北京：北方工業(yè)大學(xué)，2015.

[10] 張雨.銅電解槽短路故障診斷及電流分布建模方法研究[D].北京：北方工業(yè)學(xué)，2016.

[11] JIA R，MA X，HE W.Infrared short-circuit detection for electrolytic copper refining[C].International Conference on Advanced Electronic Science and Technology，2016.844-851.