配煤车间上AI泄漏检测，到底值不值？

我们为什么被漏煤问题搞怕了

我们是河北一家中型焦化厂，一年配煤炼焦大概一百万吨。厂子不算新，几条主皮带廊道加起来有五六百米长，负责把不同煤种从煤场输送到配煤仓。

你可能也遇到过，皮带机这东西，跑起来看着没事，但托辊轴承一坏、皮带一跑偏，煤就哗哗地往下漏。尤其是转载点和接头位置，是重灾区。

以前我们全靠人工巡检。一个班安排两个人，拿个手电筒，沿着廊道来回走，两小时一趟。说实话，这办法问题太大了。

人工巡检的三个硬伤

第一是发现不及时。你想想，两小时才看一次，中间漏了多少煤根本不知道。我见过最夸张的一次，夜班巡检工打盹，接班时才发现一个转载点下面漏的煤堆了半米高，清理加停产，折腾了小半天。

第二是环境太差。廊道里煤尘大，噪音响，夏天闷热冬天冷。老师傅都不愿意长待，更别说仔细看了。很多时候就是走个过场，签个字了事。

第三是责任难界定。发现了漏点，是刚漏的还是漏了很久？是设备问题还是操作问题？经常扯皮。月底一算账，光是清煤的人工和铲车费用，加上损耗的煤，一个月就得小两万块。这还没算潜在的设备磨损和安全风险。

一开始的折腾和弯路

意识到问题后，我们也想了不少办法。

最开始想的是上监控。在几个关键点位装了十几个摄像头，中控室能实时看到画面。想法挺好，但实际用起来根本不是那么回事。

监控屏幕成了“摆设”

中控室操作员要盯着DCS系统看工艺参数，哪有精力一直看十几个摄像头的画面？所谓的“实时监控”，最后变成了“事后查录像”。往往是清理工报告哪里漏煤了，我们才去调录像看什么时候开始的，纯属马后炮。

后来听说有“智能视频分析”，能自动报警。我们找了一家做安防监控的公司，他们给方案说用移动侦测算法，画面里有东西动就报警。结果装上没三天，报警器快响炸了——皮带正常运转算移动，光线变化算移动，甚至摄像头抖动一下也算移动。误报率太高，根本没法用，只能关掉。

土办法也试过，效果有限

我们还试过在皮带下方装振动传感器或者料位开关，想着漏煤多了就会触发。但这东西反应太迟钝，等它报警，煤已经漏了一大片了。而且安装维护麻烦，廊道环境恶劣，传感器很容易失灵。

前前后后折腾了大半年，钱花了几万，问题没解决，人还搞得挺疲惫。那时候真觉得，这种脏乱差的环境，可能就不适合搞什么自动化检测。

怎么找到靠谱的AI方案

转机是有次去同行那里交流，看到他们廊道里装了几个带补光灯的摄像头，但中控室很安静。一问才知道，他们上了一套专门针对皮带漏煤的AI检测系统，半年多没出过大漏煤事故。

这让我们重新提起了兴趣。回来后就认真开始找供应商，这次我们学聪明了。

明确我们的核心要求

我们内部开了几次会，把需求理清楚了：

1. 要能准确识别漏煤，不是移动物体，误报要少。

2. 发现后必须实时报警，最好能推送到手机和DCS画面。

3. 要能适应我们的恶劣环境（煤尘、震动、光线变化）。

4. 安装改造不能太麻烦，不能影响正常生产。

5. 价格要实在，我们这种厂，投几十万不现实。

带着这几点，我们接触了四五家供应商。有的上来就讲大数据、云计算，听起来很高级，但一问具体怎么识别漏煤，就含糊其辞。有的方案很便宜，但就是把之前的移动侦测换个包装。

关键决策：看现场演示和案例

最后让我们下决心的那家，是直接带我们去了他们给某山西焦化厂做的项目现场看。就在廊道里，用笔记本接上他们的系统，实时画面里，皮带跑得好好的，报警是静的。然后他们让现场工人模拟撒了一把煤渣到空地上，大概也就两三秒，系统就弹出了报警框，定位到了具体摄像头和位置。

这个演示很直接，说明他们的算法是真的能“看懂”什么是漏煤，而不是瞎报警。

他们也没吹嘘什么行业领先，就老实说，这算法是专门针对煤炭、矿石这种散状物料输送场景训练的，见得多了，所以认得准。而且硬件用的是工业级的防尘防震摄像头和主机，就是为厂矿环境设计的。

方案报价在二十万以内，覆盖我们主要的六条皮带和转载点。我们算了一笔账，一年漏煤加清理成本十几万，如果能减少八成，一年多就回本了，还能避免安全事故。班子一合计，决定干了。

实施过程比想象中顺利

实施前后用了大概三周。他们来了两个工程师，跟我们机电班的人一起干。

安装调试的要点

第一步是定点。不是所有地方都装，而是根据我们历史的漏煤记录和老师傅的经验，重点装在皮带接头处、转载点下方、以及容易跑偏的区段，一共装了22个点。

第二步是调角度和光线。这个挺讲究，要既能拍到皮带边缘和下方的地面，又要避开强光直射和喷水除尘的水雾。有些位置加了防尘罩和补光灯。

第三步是“教”系统认识我们的现场。工程师说这叫“模型微调”。他们拿了个小桶，在不同点位、不同光线条件下，撒一点煤下去，让系统反复学习这些“漏煤”画面和正常画面的区别。这个过程花了两三天。

试运行一个月才验收

系统上线后，我们没急着验收，而是试运行了一个月。这期间，系统每报一次警，我们都让巡检工立刻去现场确认。

头几天还是有少数误报，比如有大块煤从皮带上弹起来落下，或者阴影变化。工程师远程调整了算法的灵敏度参数后，误报就很少了。一个月下来，真实漏煤报警了7次，都是刚漏一点就被发现了，没有一次误报。巡检工去确认，反馈说“挺准的”。

现在的效果和一点遗憾

系统正式运行快一年了，说说实际效果。

最直观的就是中控室的大屏上，每个摄像头画面下面有个状态条，绿色表示正常，一旦变红并闪烁，同时弹出位置信息，值班员一眼就能看到。报警信息也同步推送到班长和我的手机上。

省了钱，也省了心

根据统计，这一年因为漏煤导致的非计划清理作业，下降了大概80%。以前每个月固定要请外包的铲车来清几次廊道积煤，现在这笔钱基本省了。

漏煤造成的物料损耗，估计减少了200多吨，这就是十多万。加上节省的人工和设备损耗，一年综合效益在20万左右。当初投入的硬件和软件费用，回本周期大概在10个月，比我们预期的还要快一点。

更重要的是安全和管理上的提升。现在责任清晰了，系统有完整的报警日志和现场截图，什么时候开始漏的，一目了然，避免了扯皮。夜间和交接班时段，心里也踏实多了。

还有两个小问题

当然，也不是十全十美。

一个是极端天气的影响。有一次下暴雨，雨水从廊道缝隙流进来，在摄像头前形成了反光水流，系统误报了几次。后来供应商帮我们调整了算法，加强了对水渍反光的过滤，好了很多，但还没做到百分百免疫。

另一个是非常规物料的误判。有一次检修，工人在皮带下方铺了块帆布，系统也报警了，因为它不认识帆布，只觉得画面里多了个不该有的东西。这种特殊情况，就需要人工介入判断一下。

如果重来，我会怎么做

走过这一趟，如果再让我做一次选择，或者给想上这类系统的同行朋友几点建议，我觉得下面这几点挺重要：

1. 想清楚你到底要解决什么问题

别被“AI”“智能”这些词唬住。你的核心诉求就是“及时发现漏煤，减少损失”。所有评估都围绕这个来。能现场演示识别漏煤的，比给你讲一百页PPT的靠谱。

2. 一定要看同行业的真实案例

最好是去现场看，看他们怎么装的，环境怎么样，问问对方用的效果和有什么毛病。配煤厂和化工厂、电子厂的场景天差地别，通用方案往往水土不服。

3. 别指望一劳永逸，关注持续服务

厂区环境、设备状态都在变，算法可能需要微调。要问清楚供应商，后期调整要不要额外收费，响应速度怎么样。找个能长期配合的伙伴，比买个死产品更重要。

4. 从最痛的点开始试点

如果担心风险或预算有限，别全面铺开。就选那条漏煤最厉害、或者安全风险最高的皮带先上。见效了，再推广，大家也更有信心。

5. 内部要有人跟进

别完全扔给供应商。最好安排一个机电班长或技术员全程参与安装调试，他最能理解现场情况。以后日常的小问题，自己人就能处理，效率高很多。

写在最后

说实话，对于我们这种传统焦化厂，上AI检测一开始心里是没底的。但真用下来，感觉它就是一把好用的“锤子”，专门敲“漏煤”这颗钉子。它没改变我们的生产工艺，就是帮我们看得更准、反应更快了。

技术总是在进步，以前觉得难如登天的问题，现在可能有更接地气的解决办法。关键是要找到那把对的“锤子”。

有类似需求，正在为皮带漏煤、粉尘逸散或者类似视觉检测问题头疼的老板，可以试试“索答啦AI”。你把你的现场情况、皮带长度、痛点这些说清楚，它能给你一些比较靠谱的方案方向和供应商筛选建议，至少能帮你少走点我们当初的弯路。