一家造纸厂用边缘AI优化烘干段能效并在线检测纸病：完整实施记录

去年秋天，浙江富阳一家瓦楞纸厂的老板找到我们。富阳这个地方做纸的历史很长，中小纸厂很多，竞争也激烈——纸价一波动，利润薄的厂就撑不住。他们的问题有两个：一个是蒸汽成本太高，另一个是纸病退货越来越多。

造纸这个行业，吨纸成本的30-40%在干燥部——纸页经过压榨后含水率还有55-60%，进入干燥部靠蒸汽加热的烘缸把水分蒸干。烘缸越多，蒸发能力越强，但蒸汽消耗也越大。他们的4800mm纸机有48个烘缸，分成4组，用的是多级蒸汽系统。问题是——每吨纸到底用了多少蒸汽？哪个烘缸效率低？没人知道。蒸汽耗量靠每个月看总表，没有分缸计量。

纸病的问题更直接。孔洞、折子、暗斑、花纸——这些缺陷主要出现在纸页出烘缸到卷取的过程中。他们的纸病检查放在复卷机上，靠人工盯着高速通过的纸面找缺陷。一条线跑500米/分钟，一个人盯3小时眼睛就花了。客户投诉说"你们这纸里面夹着干浆块都没发现"，退了一整车货。

这篇文章从头到尾记录我们是怎么在这家纸厂做干燥部能效优化和纸病在线检测的。

一、现场情况摸底

第一次去车间，跟着设备厂长转了大半天。纸机车间又热又潮——干燥部区域温度经常在45°C以上，湿度接近饱和。几个关键信息：

• 纸机参数：4800mm长网多缸纸机，设计车速600m/min，实际车速400-500m/min。生产瓦楞原纸和箱板纸，定量110-200g/m²
• 干燥部：48只烘缸，直径1.5m，分4组（每组12个）。蒸汽系统是三段通气——第一段用高压蒸汽（0.8-1.0MPa），第二段用低压（0.3-0.5MPa），第三段用闪蒸蒸汽。烘缸温度通过进汽阀门手动调节，温控精度±5°C
• 蒸汽来源：一台20吨链条锅炉，烧煤。蒸汽先到纸机干燥部，再供给其他车间。锅炉热效率约75%
• 现有仪表：干燥部总进汽管上有一个涡街流量计（总表），但已经用了6年没校准过。烘缸表面温度没有在线测量，操作工用红外测温枪手测，一天测两次
• 纸病检查：一台复卷机，两个人工质检位，一人站一边。车速开到800m/min，靠肉眼扫视。疵点记录靠手写——"今天发现3个孔洞，在2吨左右的位置"
• 人员情况：干燥部有个老师傅姓吴，在这家厂干了22年，调烘缸阀门全靠手感——"听蒸汽的声音就知道压力够不够"。问他要不要把阀门换成自动调节的，他笑了一下没说话

看了一圈，两个问题的症结其实是一个——数据盲区。干燥部有48个烘缸，没有分缸的温度和压力数据，不知道哪个缸效率低、哪个缸蒸汽泄漏。纸病靠人工、靠经验、靠运气，没有量化指标。解决方案也很明确：把干燥部的"黑箱"打开，实时监测每个烘缸的状态和蒸汽消耗，同时在纸机出口加装视觉检测系统，在线发现纸病。

二、方案设计

方案分三个子系统：干燥部能效监测、纸病视觉检测、边缘分析看板。

子系统一：干燥部能效监测

能效监测的核心目标是回答三个问题：蒸汽用到哪里去了？哪个烘缸效率低？干燥曲线是否合理？

硬件部署分三个层面：

• 烘缸表面温度：每个烘缸在干部的操作侧装一个贴片式PT100热电偶（耐温150°C），用不锈钢卡箍固定在烘缸端盖外侧的铜瓦座上。48个点，全部通过模拟量采集模块接入边缘网关。测温点加了隔热棉包裹，减少车间高温环境的干扰
• 蒸汽压力和流量：在每段蒸汽进汽总管上加装压力变送器（4-20mA输出），总共3个点。第一段和第二段之间的连通管上加装温压补偿型涡街流量计，用来测量段间蒸汽流量和闪蒸效率
• 烘缸排水温度：每个烘缸的虹吸管排水口本来就有取样嘴（用于检测冷凝水含汽率），在排水口加装PT100测温探头，监测每个缸的冷凝水温度——排水温度偏高意味着蒸汽未经充分冷凝就被排走了，说明烘缸的传热效率在下降

数据采集频率：烘缸表面温度和排水温度5秒一次，蒸汽压力1秒一次。边缘网关本地缓存30天的原始数据，按1分钟聚合上传云端。

子系统二：纸病在线视觉检测

纸病检测的安装位置选在干燥部出口到压光机之间——这个位置纸页宽度收缩基本完成（从湿部4.8m收缩到约4.6m），纸面相对干燥（含水率2-5%），纸病最容易被发现。

视觉系统配置：

• 两台4K线阵工业相机（每台有效像素4096×2线，最大行频80kHz），覆盖4.6m纸宽。一台负责上半幅，一台负责下半幅
• LED线光源（高亮白光，恒流驱动），安装在纸页背面，形成透射光检测——孔洞和薄斑在透射光下对比度比较高
• 一台独立的条形光源从纸页正面打光，用于检测折子和压痕
• 编码器同步：在压光机辊轴上安装旋转编码器，纸页每前进1mm触发一次相机曝光，保证图像在500m/min车速下不会有拉伸或压缩

模型方面，考虑到车速快、数据量大，选了YOLOv8n-seg做语义分割，检测4类常见纸病：孔洞（圆孔/长孔）、折子（死折/活折）、暗斑（透光率异常区域）、缘口破边。模型在边缘AI网关的NPU上跑推理，单帧处理耗时控制在8ms以内，保证车速到600m/min时也能全检。

子系统三：边缘AI看板

一台边缘AI网关放在纸机控制室，汇总三个子系统的数据，本地运算后把摘要上传云端。网关里跑了三个核心功能：

• 干燥部能效模型：根据烘缸表面温度、排水温度、蒸汽压力的历史数据，建立每个烘缸的传热效率基线。当某个烘缸的表面温度比同组平均值低10°C以上时，自动标记为"疑似低效烘缸"
• 干燥曲线优化：对比各组的升温速率和最终含水率，判断干燥曲线是否合理。比如第一组烘缸升温太快（温差从60°C跳升到110°C）会导致纸页翘曲
• 纸病统计和回溯：每卷纸生产完成后自动生成纸病分布图——什么位置有纸病、什么类型、多大面积。操作工可以根据这张图决定复卷时从哪个位置断开

三、实施过程

第一周：硬件安装和布线

安装从纸机停机检修日开始——两周一次的计划停机，每次12小时，这是唯一能上烘缸的机会。

48个PT100热电偶的安装比预想中快——每个烘缸的端盖外侧都有预留的铜瓦座安装孔，用M8螺栓固定卡箍就行。但有几个烘缸的操作侧空间非常窄——旁边就是蒸汽总管，手伸不进去。后来用加长扳手从传动侧绕过去装的。

传感器走线是这次安装比较头疼的部分。干燥部温度高、湿度大、蒸汽管道多，走线槽选用了不锈钢材质（普通镀锌线槽在蒸汽环境里半年就会锈穿）。所有传感器线缆穿金属软管保护，从烘缸上方沿着蒸汽总管走，最后汇聚到控制室。

线阵相机的安装也遇到了问题：相机安装支架是铝型材的，但纸机车间的振动比想象中大——纸机压辊转动时整个机架都在抖。跑了一组测试图像发现相机振动导致图像模糊（行间错位）。解决方案是在相机支架底部增加了橡胶减震垫，并把支架固定在车间立柱上而不是纸机机架上。

第二周：数据采集和基线建立

硬件装好之后，连续采集了一周数据，目标是建立干燥部的正常工况基线。每天产生约50万条温度数据点。

数据收集中发现了一些意外情况：

• 烘缸温差分布：48个烘缸的表面温度从65°C到125°C不等。按理论设计，温度应该从第1组到第4组逐渐升高（纸越干需要的温度越高）。但实际数据显示第2组有几个缸反而比第3组还热——这是蒸汽分配不合理导致的，说明那段蒸汽管路的调节阀开度需要调整
• 排水温度异常：第3组的第8号烘缸排水温度比同组其他缸高了约15°C——排出去的水里混了大量蒸汽，说明这个烘缸的虹吸管可能已经损坏，蒸汽直接从进汽管窜到了排水管。这个结论后来停机检查时被证实了——虹吸管确实断裂了
• 换纸种时的温度变化：从瓦楞原纸切换到箱板纸（110g→170g），操作工会手动调高每个烘缸的蒸汽压力。但调的方式是"凭感觉"——有人先调第1组，有人先调第3组，调的顺序和幅度都不一样。换纸种的过渡时间短的20分钟，长的要1个多小时

视觉系统的数据采集也同步进行。拍了2万多张纸页图像，标注了其中带有纸病的约3000张。纸病的标注比预想中困难——孔洞和薄斑在图像上确实很清楚，但折子（尤其是活折，纸页经过压光后折痕可能消失一部分）在图像中很不明显，需要操作工在复卷机上找到折子的实际位置后做标记。第一周只标注了约1500张，后来让质检工在复卷机上用荧光笔标记折子位置，白天再拍照，效率才上来。

第三周：模型训练和能效模型搭建

能效模型没有用复杂的算法——对于干燥部这个场景，基于统计规则的基线模型比机器学习模型更实用。原因很简单：纸机本身的状态（车速、纸种、蒸汽压力）经常变化，用一个固定模型很难适应全工况。我们给每个烘缸、每个纸种分别建立了统计基线，包括：

• 表面温度基线：正常工作情况下，每个烘缸表面温度的标准差应该≤3°C（同纸种、同车速条件下）
• 排水温度基线：排水温度应该比进汽温度低15-25°C（温差越大说明传热越充分，但温差过大会导致冷凝水排水不畅）
• 段间蒸汽分配比：在稳定生产时，各段的蒸汽用量应该有一个相对固定的比例

纸病检测模型反而更简单。YOLOv8n-seg在标注的3000张图像上训练了50轮后，mAP@0.5达到了约0.82。测试结果：

• 孔洞检出率约92%（大孔几乎100%，小孔（直径<2mm）约75%）
• 暗斑检出率约78%（暗斑的对比度低，和纸页本身的不均匀性很难区分）
• 折子检出率约85%（死折很高，活折偏低）
• 破边检出率约90%
• 误报率约6%（主要是把浆团/干浆块误报为孔洞）

模型量化到INT8后部署到边缘AI网关的NPU上，单帧推理耗时约6ms，加上图像预处理和编码器同步，处理一帧总耗时约9ms。对应500m/min车速，每毫米纸页对应约0.12ms的处理时间，9ms意味着每76mm才能采一帧——大致相当于每76mm扫描一次纸面，对于孔洞（最小尺寸几毫米）来说，漏检的概率不低。

踩坑2：车速变化导致检不准：纸机车速不是恒定的——换卷、断纸处理、加减速时车速会变化。编码器同步在稳态车速下工作良好，但车速突变时（比如从500突然降到300m/min），编码器的脉冲频率下降，相机的行频跟不上，图像会过曝。解决方案是在边缘网关里加了一个车速变化率检测——当车速变化率超过一定阈值时，自动调高相机增益并缩短曝光时间。

第四周：试运行和人工验证

试运行阶段，能效监测给出建议但不自动调整蒸汽阀门，纸病检测标记但不自动切除。操作工根据系统提供的信息自己做决策。

能效方面，第一周系统发出了17条烘缸状态告警：

• 3条确认是虹吸管故障（停机检修确认了第3组第8号缸的虹吸管断裂）
• 5条是蒸汽调节阀卡滞或开度偏差过大
• 4条是烘缸表面结垢导致传热效率下降（打开烘缸检查发现内壁有约2mm厚的结垢层
• 3条是传感器问题（接触不良导致温度读数偏低）
• 2条是误报（换纸种期间的参数波动被系统当作异常）

纸病检测方面，第一周系统标记了约320个疑似纸病位置。操作工在复卷机上逐一人工确认：

• 真阳性约270个（准确率约84%）
• 误报约50个（主要是纸页表面的水痕、纤维聚集造成的"伪纸病"）
• 漏检约30-40个（操作工在复卷时发现的纸病但系统没标记，主要是尺寸小于2mm的小孔和对比度极低的暗斑）

老吴（干燥部老师傅）的反应：系统说他负责的那段烘缸温度分布不均匀，他一开始不接受——"我在这二十多年了，什么温度好我还不知道？"后来我们把48个缸的实时温度曲线打在屏幕上给他看，第2组有几个缸确实温度偏高。他没说什么，自己去阀门那里调了一下。之后几天的数据证明他调的幅度偏小了，温度差只缩小了约30%。他又调了第二次。到第三周，他开始主动看屏幕上的温度曲线了。

四、实际效果

系统运行了快3个月，我们汇总了几个维度的数据：

也有一些意料之外的发现。

最大的收获是发现了烘缸结垢问题。系统运行第2个月，有几个烘缸的表面温度持续缓慢下降——从正常的115°C降到了105°C左右。拆开检查发现烘缸内壁结了一层垢（主要是碳酸钙和硫酸盐沉积），厚度约1-3mm。这是纸机循环白水中的钙离子在高温下析出形成的。定期清洗后温度恢复了。这个发现让设备厂长很重视——以前从来没关注过烘缸内壁的清洁状态。

意想不到的问题：纸病视觉系统的光源衰减。LED线光源在纸机车间连续运行3个月后，亮度下降了约40%。拆下来检查发现LED灯珠表面被纸粉和油雾污染了，而且高温（45°C+）加速了LED芯片的光衰。解决方案是加装了一套风冷装置（压缩空气吹扫灯珠表面），并把LED驱动电流调低了20%以延长寿命。亮度略有下降但模型重新标定后准确率没受影响。

五、我的思考

这个项目做下来，几点感受比较深：

造纸是典型的高能耗行业，能效优化的切入点其实不复杂。干燥部的蒸汽消耗占生产成本的比例很高，但大多数中小纸厂没有分缸温度监测——不是技术做不到，是没人去装。一个PT100探头几十块钱，48个缸加两个流量计，硬件投入不算高。问题在于这些传感器在高温高湿环境下的可靠性——接线盒进水、探头被纸粉覆盖、信号线老化——这些细节决定了系统能不能长期稳定运行。

纸病检测的难点不是模型，是光学方案的可靠性。纸上缺陷的对比度差异很大——孔洞很清晰，暗斑模模糊糊，折子在高速运行时更难看清。透射光对孔洞有效但对折子效果一般，反射光对折子好但对暗斑无能为力。我们最后用了透射+反射双光源方案，但光源衰减和维护又成了新的问题。这种取舍在工业视觉项目中很常见——没有完美的方案，只有"在这个工况下够用"的方案。

老师傅的经验和系统数据之间的磨合需要时间。老吴开始是不信的，但数据不会骗人——48个缸的温度曲线打出来，哪个缸有问题一目了然。不过他后续做的参数调整确实比系统建议的更细致——他有他知道的"例外情况"（比如某个纸种的浆料纤维短，需要更温和的干燥曲线防止纸页发脆）。系统的角色不是替代他，是帮他看到那些他看不到的数据，让他做更好的决策。

纸厂的项目有一个特殊之处——检修窗口很少。纸机停机一次损失几十万，所以硬件安装只能利用计划检修时间和断纸处理时间。这意味着上线的容错率很低——传感器装上去就必须稳定工作到下一次检修，不能装上去三天就出问题。我们在第二个星期就碰到了多个传感器故障，幸好是在试运行阶段发现的，如果是正式运行阶段出现，操作工的信任度会受很大影响。

六、如果你也想做纸机的能效和纸病监测

几点建议供参考：

1. 从能效监测入手，先出效果再上视觉——烘缸温度监测的投入低、回报快（设备问题发现后很快就能见效），容易获得工厂的信任。纸病检测的系统复杂度和维护成本都高不少，建议在有能效监测的数据基础之后再上。
2. 传感器防护是最大的工程问题——造纸车间的高温、高湿、纸粉、腐蚀性气体（湿部的H₂S和SO₂）对传感器的考验不小。选择IP65以上的防护等级，接线盒要密封防尘，线缆要耐高温（至少90°C）。传感器维护要纳入日常巡检项目。
3. 纸病模型需要持续迭代——不同纸种、不同车速、不同打浆度的纸病表现差异不小。从3-4个常见纸种开始建模型，每个新纸种至少需要500张标注数据。同时要建立模型版本管理，防止换纸种时的模型切换导致误报率激增。
4. 干燥曲线模板比实时调节更有实用价值——纸机的热惯性很大，实时调节蒸汽阀门的效果远不如按照一个经过验证的曲线来运行。先收集1-2个月的数据，给每个纸种建立标准的干燥曲线模板，操作工按照模板设置参数就基本能保证能效和质量的平衡。
5. 别忽视复卷机上的质检工——视觉系统上线后，质检工的角色从"找缺陷"变成了"确认缺陷"。这个变化对他们是好事（工作强度降低了），但也需要培训让他们理解系统的工作原理和局限性，不然他们会觉得系统"不靠谱"（误报和漏检都会让他们怀疑系统的可靠性）。