[发明专利]电解工艺异常的监测方法及系统

说明书

本发明提供一种电解工艺异常的监测方法及系统，该方法包括：获取电解槽的热像图；基于语义分割网络模型，识别出所述热像图中的电解槽和极板，并对电解槽和极板进行温度标记和位置标记；基于目标识别算法，确定电解槽中温度异常的极板；其中，所述语义分割网络模型基于带有确定语义标签的电解槽的热像图样本进行训练后得到。通过本发明提供的电解工艺异常的监测方法及系统，能够实现对电解生产过程中极板异常情况的自动巡检，检测速度快、准确率高，不仅实现了电解工艺异常监测的完全机器自动化，更可大大减少金属电解时人工巡检工作对人体的伤害。

技术领域

本发明涉及金属电解技术领域，尤其涉及一种电解工艺异常的监测方法及系统。

背景技术

有色金属电解(精炼)行业，金属电解过程中，由于工艺操作条件及阴极、阳极物理规格等因素的影响，存在短路或开路等异常情况，导致电能消耗过大，电流效率降低，影响产量和质量，造成电力、人力和时间的浪费。

为了监控短路和开路等异常，行业内普遍采用人工检测，即人工使用手持式巡检仪逐一排除。但是，采用人工检测，检测除障速度慢、准确率低，而且人工劳作强度大，电解液的毒害性和腐蚀性等还会伤害人体健康。除此之外，人工巡检时，工人工作态度、工作状态和工作能力等的不同，也会对检测准确率、效率等有较大的影响。

发明内容

针对现有技术存在的问题，本发明提供一种电解工艺异常的监测方法及系统。

第一方面，本发明提供一种电解工艺异常的监测方法，包括：

获取电解槽的热像图；

基于语义分割网络模型，识别出所述热像图中的电解槽和极板，并对电解槽和极板进行温度标记和位置标记；

基于目标识别算法，确定电解槽中温度异常的极板；

其中，所述语义分割网络模型基于带有确定语义标签的电解槽的热像图样本进行训练后得到。

可选地，所述语义分割网络模型包括编码器、解码器以及编码器和解码器之间的连接层；

所述编码器包含8个卷积层，每两个卷积层为一个卷积块，共4个卷积块，卷积层内使用1×5的卷积核，每个卷积块之间通过稠密块相连，稠密块之后通过一个最大池化层完成下采样；

所述解码器包含4个卷积块，通过跳跃连接，将上采样结果与所述编码器中具有相同分辨率的子模块的输出进行连接，作为所述解码器中下一个子模块的输入，所述解码器中各子模块的输出分辨率通过上采样操作依次上升，直到与输入图像的分辨率一致。

可选地，所述对电解槽和极板进行温度标记和位置标记，包括：

对识别出的电解槽和极板进行倾斜补偿后，对电解槽和极板进行温度标记和位置标记。

可选地，所述对电解槽和极板进行温度标记和位置标记之后，所述方法还包括：

获取各电解槽中不同极板位置的温度值；

将所述各电解槽中不同极板位置的温度值以及传感器监测的数据输入状态监测和早期预警模型，对电解工艺进行实时监测，并根据预警规则进行电解工艺异常预警。

可选地，所述传感器包括电解槽壁侧壁温度传感器和电解质水平高度测量传感器。

可选地，所述获取电解槽的热像图，包括：

获取摄像头采集的电解槽的热像图，所述摄像头设置于电解槽上方的固定支架或移动式滑轨上。

第二方面，本发明还提供一种电解工艺异常的监测系统，包括：多个边缘计算模块以及一台云端服务器；

所述边缘计算模块包括摄像头、传感器、边缘计算主机和网关，所述边缘计算模块通过网关与所述云端服务器连接；