冷却塔塔内人员安全智能预警监测系统设计＊

裴昊男，王乃达，江成，郭士钰

冷却塔塔内人员安全智能预警监测系统设计＊

裴昊男，王乃达，江成，郭士钰

（天津科技大学，天津 300222）

基于机器视觉技术与传感器检测技术，设计开发一种循环水冷却塔塔内人员安全智能预警监测系统。该系统主要对冷却塔风机开机工作时塔内是否有作业人员进行实时监测，避免冷却塔风机在塔内有人情况下工作，以确保冷却塔安全高效地生产。系统采用红外摄像头与机器视觉算法相结合，对塔内有无人员进行实时监测，通过红外对射传感器与控制技术相结合，对出入塔人员进行实时计数，从而达到风机启停控制与预警功能。利用两种检测方式对塔内有无人员进行精准检测，具有可靠度高、安全系数大、容错性强等优点。通过此系统可取代人工监控、作业人员上塔进行风机启停的操作，实现安全控制远程控制，大幅度节约人力、物力，提高了生产效率与作业安全性，具有良好的应用前景。

冷却塔风机；机器视觉；传感器检测；安全系数

1 引言

循环水冷却塔是石化、电厂、钢铁等多种行业的重要设备，它是集空气动力学、热力学、流体学、化学、材料学、静态结构力学、动态结构力学、加工技术等多种学科为一体的综合产物。循环水冷却塔内设有风机，其作用是通过叶片旋转产生的空气流，使冷却塔内喷淋的工业热循环水与冷空气直接接触，通过空气冷却，将热循环水携带的热量散发到空气中，来达到热水的强制冷却和工业循环使用的目的。

冷却塔需定期入内维修与故障检验，塔内工作具有作业空间窄小、作业危险性高等特点。目前塔内风机的启停需要人工操作，当风机没有停止运行时人员进入、误入或人员作业时风机误启，极易发生危险事故。针对这一问题，设计研发一种基于机器视觉技术和传感器检测技术的循环水冷却塔塔内人员安全智能预警监测系统，对塔内人员进行实时监测与计数，根据塔内有无人员及人员数目反馈给控制系统相应的实时信号，从而进行预警及风机的启停。

2 系统硬件组成

本文所设计的循环水冷却塔塔内人员安全智能预警监测系统硬件部分主要由以下几部分组成：风机监控平台（PC端），红外摄像头（3个），工控板（处理器为单片机），红外对射传感器（2对）及其他辅助传感设备等。

本循环水冷却塔塔内人员安全智能预警监测系统硬件连接如图1所示。

在冷却塔入口门上安置辅助传感设备，用于检测冷却塔入口门的开合状态。当冷却塔入口门被打开后，辅助传感设备反馈高频信号给风机监控平台，进行预警。在冷却塔风机入口通道合适距离处安置2对红外对射传感器，2对红外对射传感器的发射、接收端分别安置于冷却塔入口通道两侧护栏上。当作业人员顺序通过2组红外对射传感器时，控制系统中的处理器对人数进行加减，当加减结果不为0时，禁止冷却塔风机启动，加减结果为0时，允许冷却塔风机启动。冷却塔风机叶片下方的四周圆形壁上每隔120°安置1个红外摄像头，共安置3个。通过3个红外摄像头实现对风机附近的360°全面监控，结合机器视觉算法监测风机附近有无作业人员，当检测到作业人员时，反馈高频信号给控制系统。本循环水冷却塔塔内人员安全智能预警监测系统程序流程如图2所示。

图1 循环水冷却塔塔内人员安全智能预警系统硬件图

3 机器视觉技术

3.1 机器视觉技术概述

机器视觉指利用相机、摄像机等传感器，配合机器视觉算法，赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等。

在本循环水冷却塔塔内人员安全智能预警监测系统中，通过机器视觉实现对塔内有无人员的监控。由于冷却塔内部环境存在大量水雾，对风机附近人员监控产生干扰，所以通过除雾算法对接收到的视频图像进行除雾预处理，然后运用基于混合高斯模型（GMM）的运动目标检测算法对预处理后的视频图像进行运动目标检测，当检测到运动目标后，反馈给控制系统相应信号，协助控制系统控制风机的启停。

图2 循环水冷却塔塔内人员安全智能预警系统流程图

3.2 图像除雾

随着计算机技术的不断发展与进步，图像的去雾算法也逐步走向成熟。当前图像去雾算法主要有以下两种：①基于图像增强的除雾算法。通过提高图像的对比度，进而改善图像的视觉效果。Retinex理论、直方图均衡化等均属于图像增强算法。②基于物理模型的除雾算法。从图像产生降质的物理原因出发，结合大气退化物理模型，达到图像复原目的。

基于图像增强的除雾算法：直方图均匀化，存在边缘信息不明显、细节信息易丢失的缺陷；近年来基于Retinex理论的大量算法层出不穷，除雾效果不错。

基于物理模型的除雾算法：需构建合理的退化模型，退化模型的构建需要大量参数，参数的获取需要昂贵的实验设备，存在经济投入高的缺点。因此在本系统中采用基于Retinex理论的图像除雾算法。

图像的处理可在空域或频域中进行，而Retinex理论是一种在空域中基于色彩恒常性理论的模型。Retinex原理如图3所示。

图3 Retinex原理图

在该理论中，图像由物体本身亮度及反射亮度构成，当除去反射亮度还原物体本身时，就可得到所需的增强图像。原图像S由对应于原图像中的低频部分的亮度图像L和对应于原图像中的高频部分的反射图像R构成。低频部分主要来自图像背景、环境；高频部分主要来自于物体纹理、边界。

该原理满足下式：

S（，）=R（，）L（，）

3.3 运动目标检测

本循环水冷却塔塔内人员安全智能预警监测系统通过合理的硬件安装位置，即将红外摄像头安置在风机叶片下的塔壁上，其目的是避免监控画面内出现转动的风机叶片，对塔内作业人员的监测产生干扰，使红外摄像头接收到的视频图像背景始终保持静止状态。

目前针对运动目标的检测算法主要有以下几种：①相邻帧间法。通过对相邻两帧图像的同一像素位置的像素值做差运算，得到差值，将差值与设定阈值进行比较，根据大小关系判断图像中是否存在运动该目标。②背景帧差法。构建背景图像，将当前帧图像与背景图像做减法得到差分图像，将差分图像与设定阈值相比较，判断图像属于前景还是背景。③光流法。基于灰度图像的运动速度，通过平面上的三维速度矢量投影，说明图像场景外部点的位置变化情况。④基于神经网络、深度学习的方法。目前主要为基于HOG特征提取、SVM支持向量机的学习算法。通过训练、学习、实验判断视频中的运动目标。

本循环水冷却塔塔内人员安全智能预警监测系统采用基于混合高斯模型的运动目标检测方法。

混合高斯模型（GMM）主要由方差和均值两个参数决定，用它对背景建模的基本思想是：将图像中每一个像素点的颜色用个高斯分布的叠加来表示，通过自动更新背景模型的参数以适应变化的背景。运用高斯混合模型对每一帧采集到的图像进行模拟，按照均值和方差的比值将每个像素点的个高斯分布由大到小进行排序，则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。

设图像像素点所呈现的颜色为，则在每时刻所得到视频帧图像的像素值为t，由于t为随机变量，因此t属于背景的概率函数为：

高斯分布概率密度函数的表达式：

运用高斯混合模型对采集到的每一帧图像进行模拟，输入第一帧时为初始模型，其参数需自定设置。通过以下匹配条件：|t－t－1，i|＜2.5i，进行当前图片的像素点匹配，匹配成功说明当前像素点属于背景。而不符合上述匹配条件，符合|t－t－1，i|＞2.5i，说明当前像素点属于前景，即运动目标。此时需根据增加高斯分布条件＜或替换高斯分布条件=，对当前模型增加新的高斯分布或替换模型中权重最小的高斯分布，实现模型中自身参数的更新，以及模型中权重和排序的更新。

模型自身参数t、t的更新表达式为：

t=（1－）t-1+t

高斯分布权值的调整为i，t=（1－）i，i－1+（i，t），表示更新率。

通过基于GMM的运动目标检测方法对校园内不同场景下的行人进行实时监测，测试结果如图4、图5所示。

图4 场景一行人检测

图5 场景二行人检测

通过上述实验证明，基于GMM的运动目标检测算法在运动目标检测方面效果良好，且可行。

4 传感器计数控制系统设计

4.1 红外对射传感器

传感器计数控制系统由2对红外对射传感器与单片机组成。2对红外对射传感器编号为A、B，通过红外对射传感器A、B对风机内人员进出数量进行实时检测。

2对红外对射传感器的发射、接收端分别安置在风机入口通道两侧的护栏上。当有作业人员进入冷却塔风机内部时，顺序经过A、B传感器，控制系统顺序收到A、B信号，控制系统内的计数器加1。当作业人员离开冷却塔时，顺序经过B、A传感器，控制系统顺序收到B、A信号，控制系统内的计数器减1。通过计数器数目关系，确定进出冷却塔人员数目。当计数器为0时，冷却塔塔内无作业人员。

下面对进出作业人员的特殊情况进行分情况讨论与说明：当作业人员进入冷却塔内部时，若单片机只接收到A红外对射传感器的信号，而未收到B红外对射传感器的信号，说明工作人员没有完全进入塔内，仍然存在风险，因此禁止冷却塔风机启动；当作业人员离开冷却塔时，单片机只接收到了B红外对射传感器的信号，而未接收到A红外对射传感器的信号，说明人员未完全离开冷却塔，依旧禁止冷却塔风机启动；同时规定当有作业人员进出冷却塔时，后边的人要间隔一定的距离，保证不误触传感器信号，规定人员进入风机后，不能在传感器附近停留，以免产生信号误差，对系统造成干扰。

4.2 控制设备

本循环水冷却塔塔内人员安全智能预警监测系统中的控制设备为单片机工控板，单片机分别与PC端、风机、两对红外对射传感器、辅助传感设备连接。

单片机接收到红外对射传感器的人员计数反馈信号、PC端的机器视觉反馈信号后，对接收到的反馈信号进行处理，通过反馈信号判断冷却塔内是否存在作业人员，从而达到控制冷却塔内风机启停的目的。

5 结束语

本文所设计开发的基于机器视觉技术与传感器检测技术的循环水冷却塔塔内人员安全智能预警监测系统极大提升了风机内工作人员的作业安全系数，有效避免了因操作失误所造成的危险事故的发生。该系统在工业上的应用，可取代人工监控、作业人员上塔进行风机启停的操作，实现安全控制、远程控制，大幅度节省人力、物力的投入，具有良好的应用前景。而随着人工智能、机器视觉技术的不断进步与发展，本系统在现有基础上还存在很大的改进与提升空间，值得进一步深入研究。

［1］陈建平，曹冬冬，王亚丽.冷却塔风机优化节能控制系统的设计［J］.机械设计与制造，2014（4）：103-105.

［2］赵伟.基于机器视觉的列检库作业人员安全监测系统研究［D］.兰州：兰州交通大学，2014.

［3］李瑞.冷却塔风机PLC监控预警系统并入DCS技术研究［D］.天津：天津科技大学，2019.

［4］肖伶.基于机器视觉的行人检测算法研究与实现［D］.贵阳：贵州大学，2019.

［5］汤桂桃.基于机器视觉的生产线关键岗位人员检测［D］.成都：电子科技大学，2017.

［6］成蕾.视频图像去雨雾算法的研究［D］.天津：天津大学，2011.

［7］李珊.基于视频的矿井下人员检测方法研究［D］.武汉：武汉理工大学，2018.

TQ053

A

10.15913/j.cnki.kjycx.2020.18.001

2095－6835（2020）18－0001－03

由天津科技大学创新创业训练计划项目支持

裴昊男（1998—），男，河北承德人，天津科技大学机械工程学院机械电子工程专业本科在读。王乃达（1999—），男，山东聊城人，天津科技大学机械工程学院车辆工程专业本科在读。江成（1999—），男，江西九江人，天津科技大学机械工程学院车辆工程专业本科在读。郭士钰（1999—），女，山西忻州人，天津科技大学机械工程学院车辆工程专业本科在读。

〔编辑：严丽琴〕