摘要：當前，鐵精礦粉末火車發(fā)貨環(huán)節(jié)存在效率低下、人力成本高、安全隱患多等問題。鑒于此，以無人抓斗行車抓取鐵精礦粉末裝載火車為例，針對無人系統(tǒng)中的多節(jié)火車車廂定位、車號與噸位識別、投料點選取等關(guān)鍵技術(shù)進行研究與攻關(guān)，并將相關(guān)成果應(yīng)用到抓斗行車自動裝載火車業(yè)務(wù)中。經(jīng)驗證，技術(shù)改進后能減少人力成本，提高抓斗行車工作安全性，實現(xiàn)安全高效運行。

關(guān)鍵詞：抓斗行車；無人化；邊緣檢測；文本識別

中圖分類號：TP273" " 文獻標志碼：A" " 文章編號：1671-0797（2024）22-0084-05

DOI：10.19514/j.cnki.cn32-1628/tm.2024.22.021

0" " 引言

抓斗行車作為一種高空重載輔助運輸工具，在礦山等工業(yè)領(lǐng)域具有極高的應(yīng)用價值。無人抓斗行車可以根據(jù)調(diào)度指令自主運行[1]，作為智能化物流系統(tǒng)的重要組成部分，其在火車發(fā)貨環(huán)節(jié)的應(yīng)用，對于提高物流效率、降低人力成本、增強作業(yè)安全性等優(yōu)勢顯著。

在無人值守抓斗行車的火車裝車業(yè)務(wù)中，火車的位置為非固定，但從安全和效率的角度出發(fā)，對貨物裝進車廂的位置有一定要求[2]。因此，本文研究了無人抓斗行車自動裝車的關(guān)鍵技術(shù)，設(shè)計了一種基于三維分布特征的無人值守抓斗裝火車方案，包括多節(jié)火車車廂定位、火車車號和噸位識別、投料點分析和選取規(guī)劃等。

1" " 多節(jié)火車車廂定位

無人抓斗行車采用雙梁式起重機，在行車抓取鐵精礦粉末裝車的過程中，大小車按軌道雙向移動，在大車上裝配3D雷達，3D雷達隨行車大車移動并掃描下方料倉，實時獲取現(xiàn)場料帶高度和火車相關(guān)圖像數(shù)據(jù)。圖1為火車與料倉相對位置實景?；疖嚩ㄎ皇窃诶走_獲取的三維掃描圖上進行火車邊緣檢測[3]，獲取火車四個頂點的坐標以確定火車的位置，在此基礎(chǔ)上提取出火車矩形頂點的坐標?；疖嚩ㄎ涣鞒倘鐖D2所示。

圖3為雷達獲取的火車三維建模俯視圖，采用灰度化和高斯濾波對其進行預處理，降低噪聲對下一步邊緣檢測的影響，獲得邊緣檢測的初始圖像如圖4所示。接下來采用Canny算子對預處理圖像進行邊緣檢測[4]，在Canny檢測的結(jié)果圖上增加圖像的二次處理，包括二值化和邊緣連接，并設(shè)定興趣區(qū)域roi掩膜，通過二次處理降低圖像中無關(guān)信息的干擾來提高識別效率。

為了提取火車中心點坐標，需要進一步尋找輪廓來檢測出精度較高的火車車廂的邊緣，從而進行矩形近似操作，圈畫出火車車廂的矩形。最后利用矩形近似相應(yīng)的函數(shù)提取出火車車廂的四個頂點坐標，根據(jù)四個頂點坐標，便可求得火車車廂中心點坐標。圖5為最終結(jié)果圖。

2" " 火車車號和噸位識別

在火車裝貨系統(tǒng)中，火車車號是火車的唯一標識，能夠幫助系統(tǒng)準確定位、追蹤和管理各節(jié)車廂的裝載情況。系統(tǒng)通過車牌識別技術(shù)自動獲取火車車號，經(jīng)重量檢測設(shè)備實時獲取車廂的凈重信息。以上環(huán)節(jié)可實時監(jiān)控和記錄每節(jié)車廂的裝載情況，方便運輸調(diào)度和數(shù)據(jù)統(tǒng)計分析。在裝載結(jié)束后，系統(tǒng)根據(jù)記錄的車號與噸位信息生成裝貨報表或運輸單據(jù)。

火車車號識別由OCR光學字符識別算法實現(xiàn)，根據(jù)大量現(xiàn)場車輛圖片制作相應(yīng)的數(shù)據(jù)集，在制作的數(shù)據(jù)集基礎(chǔ)上訓練生成推斷模型。利用上述數(shù)據(jù)集和推斷模型對車號和噸位進行標注，通過自動化方式提高標注效率，進一步提高訓練模型的識別效率和精度。識別出的車號和噸位信息將提交給發(fā)貨系統(tǒng)并存儲在txt文件中，為車輛調(diào)度和運輸提供參考依據(jù)。

通過準確識別火車車號和噸位信息，系統(tǒng)可以實現(xiàn)對裝載過程的精準監(jiān)控和管理，確保裝載操作的準確性和高效性。圖6為現(xiàn)場火車的實物圖及識別結(jié)果，其中CF60表示該節(jié)車廂噸位為60 t，8103為該節(jié)車廂的車號。

3" " 投料點分析和選取規(guī)劃

在火車裝載系統(tǒng)中，系統(tǒng)結(jié)合車廂位置、投料量等因素，自動選擇合適的投料點進行裝載，以確保裝貨的準確性和高效性?？紤]到抓斗行車屬于空中重載設(shè)備，投料點的選取應(yīng)當充分考慮現(xiàn)場人員和設(shè)備的安全，同時要確保企業(yè)的經(jīng)濟效益。此外，在裝載和運輸過程中，也要考慮到裝車和運輸時不會導致車輛翻車、盡可能使物料不拋灑出車廂的安全性。

在火車定位獲取的數(shù)據(jù)基礎(chǔ)上，可以得到火車車廂的中心點坐標。為了確保物料分布均勻和裝載安全，設(shè)計下列投料方法：假設(shè)需要裝載N斗，若N為奇數(shù)則從車廂中心點開始裝載，若N為偶數(shù)則以中心點為對稱中心向兩側(cè)裝載。

已知數(shù)據(jù)：火車車廂長度為LC，抓斗完全張開的長度為LZ，火車的載重為Wa，抓斗的抓取次數(shù)為N，抓斗某一次抓取的重量為Wi，則抓斗每一次抓取的平均重量為Wb=，火車中心點坐標為（X0，Y0）。

出于安全考慮，布料時車廂前后需分別預留一部分的安全空間，將投料區(qū)總長度定義為L△，令前后安全距離等于抓斗張開長度的一半，即預留長度為LZ的安全空間，則總共需預留安全空間的長度L△=

LZ，以此得出，布料區(qū)域的長度為：

Lb=LC-L△=LC-LZ" （1）

需要抓取的次數(shù)為N，每個布料點的間隔距離為：

D=" （2）

當抓取的次數(shù)N為奇數(shù)時：將第一個布料點位定位在火車的中心點，每個布料點位的間隔長度為D，如圖7所示。

當抓取的次數(shù)N為偶數(shù)時：分別將第一、第二個布料點位定位在火車中心點前后，兩者與中心點的間隔長度都為D，兩者間隔長度為D，所有相鄰布料點之間的距離仍為D，如圖8所示。

根據(jù)上述內(nèi)容，設(shè)火車車廂的中心點坐標為（X0，Y0），第n次的布料點位坐標為（Xn，Y0）。

當抓取次數(shù)N為奇數(shù)時：

根據(jù)上述規(guī)律可以得出，當抓取次數(shù)N為奇數(shù)時：

當抓取次數(shù)N為偶數(shù)時：

根據(jù)上述規(guī)律結(jié)合N為奇數(shù)時的公式，可以得出，當N為偶數(shù)時：

綜上，結(jié)合式（5）和式（6）兩種情況得出：

4" " 現(xiàn)場結(jié)果分析

4.1" " 火車定位結(jié)果分析

圖9為火車車廂頂點坐標值，根據(jù)火車實際尺寸篩選出其中的有效數(shù)據(jù)，即Rectangle 4和Rectangle 5的坐標數(shù)據(jù)，將此數(shù)據(jù)與MATLAB三維圖中的火車實際坐標進行對比，可得出其中橫坐標最大偏差為7個像素，最低為1個像素，橫坐標的平均偏差約為3個像素。因為火車軌道固定，可將火車中心點的縱坐標Y0視為定值。根據(jù)邊緣檢測數(shù)據(jù)求得的兩節(jié)有效火車車廂中心點的橫坐標為364和596。實際的火車車廂中心點橫坐標在361～365和594～598范圍內(nèi)，可見邊緣檢測獲取的中心點坐標較為準確。

根據(jù)邊緣檢測得出的火車車廂的四個頂點坐標，可以求得火車車廂中心坐標點，與實際火車車廂中心坐標點范圍相符合。

火車定位誤差約在4個像素，一個像素代表0.05 m，即誤差在0.2 m范圍之內(nèi)，在允許誤差范圍內(nèi)，且可以同時識別多列火車車廂，滿足了火車定位的要求。

4.2" " 車號和噸位識別結(jié)果分析

車號識別系統(tǒng)采集到的圖像如圖10所示，識別結(jié)果如圖11所示，對比圖10車號識別輸入圖像和圖11輸出圖像，噸位和車號可以在圖中準確定位和識別，輸出結(jié)果噸位為CF60，車號為8103，與實際一致。

對不同噸位和車號火車的識別結(jié)果進行統(tǒng)計，得到表1數(shù)據(jù)，表明噸位和車號識別準確率達到要求，且對不同的車號和噸位都可以正確識別。

4.3" " 投料點規(guī)劃選取結(jié)果分析

結(jié)合抓斗行車實際運行情況，從圖12現(xiàn)場火車實際裝載圖片進行分析，投料點較為合理，物料拋灑在合理范圍內(nèi)。以60 t火車為例，根據(jù)火車位置和噸位信息進行投料規(guī)劃，投料總次數(shù)為9次，對應(yīng)的投料點符合實際。

5" " 結(jié)束語

無人抓斗行車可以實現(xiàn)自動化的物料運輸，提高了運輸效率和準確性。通過與智慧礦山管理系統(tǒng)結(jié)合，無人抓斗行車可以根據(jù)調(diào)度指令自主運行，避免人為操作誤差，減少運輸成本。在礦山作業(yè)中，火車發(fā)貨過程存在一定的安全風險，無人抓斗行車的應(yīng)用可以減少人員介入，降低事故發(fā)生概率，提升礦山作業(yè)的安全性。

[參考文獻]

[1] 劉松平，彭媛.無人化智能行車在精礦庫的應(yīng)用和關(guān)鍵技術(shù)探究[J].銅業(yè)工程，2022（4）：94-98.

[2] 朱明鈞.散料抓斗全自動行車設(shè)計與應(yīng)用[J].銅業(yè)工程，2020（5）：89-92.

[3] 劉浩，任宏，趙丁選，等.基于亞像素定位的圖像邊緣檢測策略研究[J].農(nóng)業(yè)機械學報，2024，55（2）：242-248.

[4] 于新善，孟祥印，金騰飛，等.基于改進Canny算法的物體邊緣檢測算法[J].激光與光電子學進展，2023，60（22）：221-230.

收稿日期：2024-07-08

作者簡介：苗田銀（1991—），女，天津人，講師，研究方向：工業(yè)生產(chǎn)自動控制與優(yōu)化。