當前，AI技術密集迭代，“AI+”在千行百業(ye) 應用快進。在傳(chuan) 統冶金行業(ye) ，把“靠人工、憑經驗”的工作交給“AI新員工”，將帶來怎樣的“智變”？跟著小科“AI+冶金”的案例實踐，帶你一探究竟！
AI “調度員”：“中樞大腦”控行車
在日照鋼鐵的冷軋原料庫區，20台行車在AI “調度員”的統一調度下，快速且高效地從(cong) 火車、汽車、過跨車上卸下鋼卷，經過生產(chan) 排程調度後，再依次將鋼卷搬運上步進梁進行上料，這位AI“調度員”正是在日照鋼鐵新上線的無人行車智能調度係統。
作為(wei) 國內(nei) 行車數量最多、場景最複雜的鋼卷類庫區，日照鋼鐵冷軋原料庫對調度算法的效率要求極高。傳(chuan) 統的調度算法一般為(wei) 基於(yu) 人工經驗的啟發式方算法和基於(yu) 數學模型的數值規劃算法的結合產(chan) 物，數學建模存在誤差，參數敏感、穩定性不足，麵對火車入庫時既要及時上料又要快速卸料，以避免堆積的複雜場景，往往難以適用。
▲無人行車智能調度係統
G22恒峰基於(yu) AI人工智能算法打造的無人行車智能調度係統，在高維數據處理、動態適應性和複雜係統建模等方麵，相對於(yu) 傳(chuan) 統調度算法更具優(you) 勢，通過多智能體(ti) 調度係統合理分配每台行車作業(ye) ，並結合深度強化學習(xi) 和前端的激光、圖像感知信息，給作業(ye) 推薦一個(ge) 最合理的目標垛位，並優(you) 化作業(ye) 的行走路徑。
該係統在滿足火車入庫這類多變生產(chan) 節奏場景的同時，還能預測步進梁上料節奏，更合理地優(you) 化調整上料順序，平衡各類作業(ye) 的生產(chan) 需求。除此以外，在係統的全盤接管下，能夠從(cong) 更長期的規劃考慮，提前對庫存進行更合理的盤庫整理和規範，合並垛位，提前將出庫鋼卷倒垛到備料區，進一步提高庫存利用率，大大提升庫區的整體(ti) 運行效率。
AI “安全員”：“火眼金睛”識異常
在沙鋼集團原料場、焦化車間和熱軋板坯庫區，24小時在崗的AI “安全員”不眠不休，實時檢測著設備運行狀態，對皮帶跑偏/撕裂、焦罐車傾(qing) 斜、掛鉤檢測、行車吊物偏斜、鋼絲(si) 繩脫槽、生產(chan) 區人員/車輛闖入等各類異常情況進行識別告警。
基於(yu) 深度學習(xi) 的圖像檢測係統是AI “安全員”實現智能識別的關(guan) 鍵，係統通過對高清攝像頭下的識別區域及對象的連續拍攝圖像進行數據清洗、標注和增強，構建高質量的數據集以優(you) 化模型性能，再對原始圖像進行去噪、裁剪、校正和歸一化操作，生成標準化輸入數據。
中央視覺服務器或邊緣傳(chuan) 感處理器采用深度學習(xi) 框架（如Yolo），構建多層卷積神經網絡，針對檢測目標特征提取設計特定的卷積核，並引入遷移學習(xi) 技術，利用預訓練模型快速收斂並適應新檢測任務，提高模型的適應性和泛化能力。
▲AI視覺檢測框架
基於(yu) 該係統，通過在生產(chan) 區域關(guan) 鍵位置部署高清攝像頭，即可實時采集和預測設備可能出現的故障，提前進行維護，大大減少因設備故障導致的生產(chan) 中斷。同時，係統還引入了邊緣計算技術，使得數據處理更加高效，有效減少數據傳(chuan) 輸時間和成本。通過進一步結合數字孿生技術，還可構建一個(ge) 虛擬的工廠模型，模擬各種生產(chan) 場景，使生產(chan) 流程直觀化。
AI “質檢員”：“順風耳”智診斷
在某碳素車間，碳塊的質量檢測一直依賴於(yu) 人工，焙燒車間的吸料操作僅(jin) 靠人工猜測進行操作，效率低下且工作環境惡劣。這一問題在G22恒峰基於(yu) 深度學習(xi) AI聲音識別技術打造的AI “質檢員”上崗後得到了有效解決(jue) ，不僅(jin) 進一步解放了人工，碳塊質檢效率和精準度也得到了顯著提升。
針對碳塊敲擊、焙燒空吸、吸料和堵料等場景各自對應的頻譜分布、能量表現和格局獨特特征的波動曲線，引入以殘差網絡（ResNet）為(wei) 基礎的深度學習(xi) 分類模型，並在結構設計中優(you) 化了對冶金場景聲音特征的適配性，以及設計了在特定頻帶下的特征捕獲機製，進一步增強複雜聲學信號的處理能力。
通過優(you) 化模型的多層特征提取效率，有效提升了對關(guan) 鍵音頻事件的分類能力。同時，加入額外的注意力機製，使得模型能夠更加聚焦於(yu) 狀態識別任務中具有判別力的區域特征，無論是空吸的高頻異常波動、吸料的能量分布平穩區，還是堵料的低頻能量釋放，都能夠在多尺度分析框架下實現準確分類。
▲基於(yu) AI的聲音診斷技術
這一基於(yu) 深度學習(xi) AI聲音識別技術的引入，將工業(ye) 環境中被忽略的“背景噪聲”轉化為(wei) 可用的“智能信號”，從(cong) 碳塊裂紋檢測到天車吸料狀態監控，AI對聲音的深度建模實現了多層次和多場景的工業(ye) 優(you) 化。同時，在實際應用中，該技術與(yu) 傳(chuan) 統物理傳(chuan) 感器相比，具備更高的靈敏度、更低的部署成本及更優(you) 的適應性，能夠更快捷地在複雜的工業(ye) 環境中發揮作用。
當前，“AI+”已成為(wei) 打造新質生產(chan) 力的重要變量。作為(wei) 智慧產(chan) 業(ye) 建設引領者，G22恒峰智慧正深化行業(ye) 和工業(ye) 融合研究，加速構建AI應用場景。
在冶金行業(ye) ，已形成AI視覺故障檢測、設備異常聲音診斷、複雜物料跟蹤、行車智能調度等係列AI產(chan) 品和解決(jue) 方案，並圍繞生產(chan) 工藝優(you) 化、能源調度管理、故障診斷預警、質量檢測與(yu) 分析等更多場景持續展開AI+應用探索，全麵深度賦能冶金行業(ye) 邁向更智能、更高效和更綠色的可持續發展新時代。
