铜电解极板短路检测方法综述

1 研究背景

在当今金属冶炼方法中，广泛应用的方法有湿法冶金和火法冶金两种形式。湿法冶金的逐渐成熟以及能从品位较低的矿产资源中提取出贵金属的优点使其受到越来越多厂家的关注和投入。湿法冶金主要是指电解法，电解使用可溶性阳极，在电解过程中沉积在阴极上的金属大多数来源于阳极板。但是，在电解过程中因阴极板的平整度较差、阴阳极间距离不均匀而出现电流分布不均现象，这将会导致阴极板生长结粒，继而导致短路以及阴极板温度升高。它将会造成较高的电能消耗，金属的产量也会下降^[1-4]。

短路后便会造成电能大量损耗，下面给出了在一定电能下铜的电流效率，R 表示实际的铜产量，T 为理论的铜产量，则电解铜生产的电流效率η 可以表示为公式（1）:

正常情况下铜的电流效率为96%~98%，但是当发生大量短路现象后电流效率会下降，这将造成大量的经济损失（2%~4%）。另一方面短路的阴极板上会有较大的结粒产生，这将造成阴极板的质量下降，也就是铜的品级率发生下降。及时检测出铜电解中短路的阴阳极板是各个冶炼厂迫切需要解决的问题，因此提高电解铜极板检测的效率和正确率是当前智能检测的重要内容。

2 Tiny-yolov3的算法改进

针对铜电解系统中阴阳极板短路的检测，国内外主要有以下几种方法。

第一是利用手托式高斯计查槽器^[5]。该方法是结合肉眼观察极板间距的方式，在铜电解过程中如果出现阴极板板面弯曲或是阴极板板面上有结粒现象，该阴极板上就会出现局部的电流过大，从而导致局部电磁场强度过高。当用高斯计查槽器检查时，其指示灯会在磁场大的地方亮起。这种手托式高斯计具有结构简单、成本低的优点，但是它的精度不高经常会造成漏检、误检的现象，其检测周期较长的缺点导致在实际生产中需要投入大量的人力用手托式高斯计查槽器检查。

第二是用传感器监控阴阳极板的电压和电流^[6-7]。该方法需要在每一块极板上都安装电压电流传感器。由于该方法属于接触式测量，传感器容易受到极板的摩擦和溶液的腐蚀，这将造成传感器很容易发生机械损伤和腐蚀损伤，最终会因为其使用寿命短而需要花费大量人力和物力进行维护。并且大量传感器的成本也很大。

第三是用红外图像^[8]。该方法是利用阴阳极板红外图像的灰度值与电流的函数关系来检测短路。此方法是利用热成像仪来获取槽面的温度图像，并通过算法来检测电极板是否短路。这种红外热成像的方法可实现自动化，对仪器的损伤比较小，并且可拓展更多的功能。但是这种方法具有延时性，当温度发生变化后才能检测出故障，并且仪器还要具备移动的功能。

从表1 可以看出，红外热成像法具备其他两种方法不具备的检测方便、成本相对较低等优势，因此我们选择这种方法来实现铜电极板短路的检测。

3 国内外研究

自1969 年伯明翰的一家工厂首次采用电解精炼的方法生产铜以来，铜电解精炼至今已有100 多年的历史。但20 世纪中叶以来，铜电解精炼技术才得到了大力发展，同时国内外许多专家学者也对铜电解各种故障的检测做出了大量的研究工作。国外的电解铜技术发展较快，成果也比较丰富，导致其电解槽的电流效率较国内普遍偏高，可达94%~99%。国外电解槽的各种故障发生率也普遍低于国内，低至10%~25%。国内企业相比国外企业在各项指标上还存在不小的差距，电流效率偏低，电解槽运行不稳定，故障率偏高等，都还具有很大的提升空间。

对于红外热成像检测电解槽短路问题，国内外学者在这方面进行了大量研究。郭彩乔^[9]提出将红外热像仪安装在巡检小车上，采集红外图像并通过电解槽的外形特征提取单个槽面图，然后通过阈值分割图像得到短路极板轮廓，以轮廓重心作为短路电极的坐标。张雨^[10]根据灰度特征分割出单个极板的区域，提取故障极板的特征向量，对特征向量进行相关性分析后，提取平均灰度、梯度波动幅度、故障区域面积比、Hu 矩1 和Hu矩3 作为输入数据，通过BP 神经网络检测短路极板。

Jia^[11]在短路极板的特征提取方法上提出了差分LBP 方法，使其不易受季节和盖布等因素的影响，另外提出像素值有序化PCA 方法，使其特征具有更强的紧凑性，在分类器的选择上，使用了支持向量机的方法。上述方法均为手动提取特征，特征的应用有限，且泛化性能不佳。卷积神经网络检测图像目标的方法因其自动学习特征参数、准确率高的特点受到广泛关注。因此提出一种基于红外热像图的卷积神经网络检测铜电解短路极板的方法。

4 铜电解极板短路检测系统的组成

基于红外热成像的铜电解极板短路检测包含3 个过程：首先对电解槽极板温度进行识别，进行处理得到极板温度的图像，再进行极板短路检测来识别电解槽的短路位置，并设计一个电解极板故障预警方法来提示和警告。

1）电解槽极板温度识别

可采用高分辨率摄像机获取并经处理后得到可见光图像，采用红外热像仪获取并经处理后得到红外热图像。该高分辨率摄像机和红外热像仪能够在电解槽阵列上方在水平方向上移动，以便逐一扫描整个电解槽阵列内的所有电解槽，从而获取各电解槽及电解槽内极板的可见光图像和红外热图像。获取当前电解槽的可见光图像后，将该可见光图像依次与电解槽和极板的标准边缘模板进行匹配，从而使电解槽和极板的实际位置清晰地反映在可见光图像中。同时，将所获取的可见光图像与红外热图像配准，使红外热图像中反映的极板温度信息与可见光图像中的现场场景相对应，极板的温度信息能够直观、清晰地反映在可见光图像中。综合匹配后的标准边缘模板和可见光图像，以及配准后的可见光图像和红外热图像，使红外热图像中反映的温度信息能够与电解槽和极板的位置关系一一对应，更准确、快速地识别相应极板的温度信息。

2）极板短路检测

红外热像图以非接触的方式大面积地反映铜电解槽面温度分布，目前常用极板提取方法，均为手动提取特征，特征的应用有限，且泛化性能不佳。卷积神经网络检测图像目标的方法因其自动学习特征参数、准确率高的特点受到广泛关注。因此提出一种基于红外热像图的卷积神经网络检测铜电解短路极板的方法。

3）电解极板故障预警方法

红外热图像反映了铜电解槽面的即时温度分布，而短路故障的发生是一个缓慢动态发展的过程，根据一段时间内电极的温度变化信息对极板的短路故障提前预警是实现高效检测，提高电解效率的重要手段。

5 结论

设计出一种基于红外热成像的铜电解极板短路检测系统。此检测系统先是通过红外热成像来获得电解槽的温度图像，再结合时下比较热门的基于卷积神经网络的检测系统来达到分割、检测自动化的目的，最后再软硬件结合做出故障预警系统。这套检测系统的研制成功，可以减少传统的电解槽检测过程中工人的操作，极大地改善生产车间的工作环境。该系统误差小，精度高，操作方便，损耗低。这有利于减轻工人的劳动强度、提高工厂的生产效率，同时能节省人力资源，以达到节约成本的目的。

参考文献：

[1] 赵欣.铜电解新技术的应用[[J].有色冶金设计与研究,2008,29(4):8-12.

[2] WIECHMANN E P,MORALES A S,AQUEVEQUE P,et al.Measurement of Cathodic Currents in EquipotentialI n t e r - C e l l B a r s f o r C o p p e r E l e c t r o w i n n i n g a n d Electrorefining Plants[C]// IEEE Industry Applications

Conference.2007:2074-2079.

[3] 刘延亮.铜电解过程中如何提高电流效率、降低残极率[[J].山东工业技术,2015(18):121.

[4] 李公建.浅谈铜电解生产过程中降低槽电压的途径[[J].甘肃冶金,2010,32(3):71-72.

[5] 高鹏建,滕功清.基于GMI效应的高斯计的实现[[J].北京信息科技大学学报:自然科学版,2010,25(1):53-56.

[6] 张帆,徐媛卿.奥托昆普铜电解生产全过程的控制与自动化[J].中国有色冶金,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] 赵仁涛,张雨,铁军,等.红外热成像技术在铜电解电流分布测量中的应用[J].红外技术,2015,37(11):981-985.

[9] 郭彩乔.基于图像处理技术的电解槽故障诊断方法研究[D].北京:北方工业大学,2015.

[10] 张雨.铜电解槽短路故障诊断及电流分布建模方法研究[D].北京:北方工业学,2016.

[11] JIA R,MA X,HE W.Infrared short-circuit detection f o r e l e c t r o l y t i c c o p p e r r e f i n i n g [ C ] . I n t e r n a t i o n a l C o n f e r e n c e o n A d v a n c e d E l e c t r o n i c S c i e n c e a n d Technology,2016.844-851.

（本文来源于《电子产品世界》杂志2021年4月期）