Оставьте заявку, и менеджер перезвонит вам в течение 15 минут в рабочее время.
Нажимая на кнопку, я соглашаюсь на обработку персональных данных и подтверждаю, что ознакомлен(а) с Политикой конфиденциальности.
Мы используем файлы cookie, чтобы улучшить работу сайта. Продолжая использовать сайт, вы соглашаетесь с условиями использования cookie
OK
КЕЙС ВНЕДРЕНИЯ СИСТЕМЫ ML SENSE
Распознавание инородных включений в потоке руды
КЕЙС ВНЕДРЕНИЯ СИСТЕМЫ ML SENSE
Распознавание инородных включений в потоке руды
О проекте
На крупнейшем ГОК внедрили систему машинного зрения ML Sense для оперативного определения инородных тел на конвейерах, чтобы снизить время внеплановых простоев оборудования участка дробления ГОК.
На крупнейшем ГОК внедрили систему машинного зрения ML Sense для оперативного определения инородных тел на конвейерах, чтобы снизить время внеплановых простоев оборудования участка дробления ГОК.
Реальное производство клиента с установленной системой машинного зрения
Проблема и задачи
ГОК — второй по величине производитель апатитового концентрата в России и единственный производитель бадделеитового концентрата в мире. Производительность дробилок на комбинате варьируется от 500 до 1000 тонн в час.
В потоке руды с определенной периодичностью встречаются инородные тела: металлические предметы (зубья экскаваторов, буровые шарошки, обсадные трубы), древесина, резина, пластик, крупные камни. Эти тела становятся причиной внеплановых простоев дробильного оборудования: выход из строя дробильных машин или образование завалов на конвейерах. Простои ведут к снижению количества руды на усреднительном складе, что сказывается на качестве усреднения, а низкое усреднение прямо влияет на коэффициент извлечения.
Примеры потенциально опасных объектов, которые были найдены на конвейере
Ранее контроль осуществлялся вручную или с помощью металлоискателей, однако этот метод не обеспечивал достаточной точности. Металлодетекторы не способны обнаруживать неметаллические материалы, а также имеют ограничения при выявлении нержавеющей стали, алюминия, меди и свинца.
Среднее время простоя при попадании инородного тела в дробилку составляло около 50 минут. Если после этого дробилке требовался ремонт — простой увеличивался соответственно степени поломки.
ЗАДАЧИ:
- Снизить общее время внеплановых простоев дробильного оборудования.
- Поддерживать оптимальный для качественного усреднения объем руды на усреднительном складе.
- Значимо поднять коэффициент извлечения за счёт гомогенизации питания обогатительного комплекса.
- Сократить зависимость от человеческого фактора: автоматизировать контроль качества.
- Оперативно определяет инородные тела на движущихся конвейерах.
- Ранжирует обнаруженные инородные тела по классам опасное/неопасное.
- Отдает управляющее воздействие на остановку конвейера, если инородное тело определено как опасное.
- Одновременно с остановкой конвейера оповещает оператора о выявленном опасном инородном теле.
Решение
«ML Sense. Инородные тела» (входит в Реестр отечественного ПО) — решение, которое с помощью машинного зрения и нейросети распознает инородные предметы, крупные фракции и посторонние включения.
Система классифицирует объекты на опасные (металл, крупный пластик, дерево) и неопасные (тряпки, мелкий мусор). В случае обнаружения опасных предметов подается сигнал на остановку конвейера, и оповещается оператор.
Система классифицирует объекты на опасные (металл, крупный пластик, дерево) и неопасные (тряпки, мелкий мусор). В случае обнаружения опасных предметов подается сигнал на остановку конвейера, и оповещается оператор.
Система ML Sense не требует 100% обнаружения всех инородных тел, чтобы приносить эффект. В 95% случаев опасные объекты (зубья, трубы, дерево и др.) частично выходят на поверхность и распознаются по видимым признакам — системе достаточно фрагмента или силуэта. Даже при неполном распознавании внедрение сокращает простои в 5 раз и стабилизирует подачу руды на усреднительный склад.
Система эффективнее магнитных детекторов: она определяет не только металлические, но и немагнитные объекты. Камеры размещаются там, где слой руды минимален — это обеспечивает стабильную работу.
Система эффективнее магнитных детекторов: она определяет не только металлические, но и немагнитные объекты. Камеры размещаются там, где слой руды минимален — это обеспечивает стабильную работу.
Технологические особенности:
- Распознавание недробимых материалов размерами от 10 мм.
- Можно установить на несколько конвейерных линий.
- Работа в любых условиях: от взрывоопасных камер до подводных объектов, независимо от температуры, влажности и освещения.
- Управление процессом как с компьютера, так и с мобильного телефона из любой точки мира.
- Интеграция с АСУ, внешними системами учета, возможность управляющего воздействия на оборудование.
Сложности при внедрении
Для обучения нейросети требовалось 1000–5000 уникальных изображений каждого типа инородных тел. Однако монтаж оборудования возможен только при плановой остановке конвейера — всего дважды в год. Чтобы не ждать, спроектировали конструкции, позволяющие установить камеры вне зоны работы ленты. Дополнительно собрали более 2 тонн инородных тел, провели лабораторную съёмку и смоделировали монтаж — это позволило избежать простоев и ускорить внедрение.
Проектирование мачт крепления с учетом расположения другого оборудования и удобства обслуживания
Моделирование реальных условий
Собрали около 5000 фото наиболее часто попадающихся инородных тел в разных вариантах засыпки. Как собрать еще 15 000 для редких тел? Чтобы решить эту задачу, команда разработала генератор изображений на основе нейросетей: с помощью генеративных моделей удалось расширить датасет до нужного объема.
3D сцена
Отдельный вызов — требования к скорости реакции. На двух из трёх линий зона обзора камеры ограничена — с момента появления тела до зоны дробилки проходит менее секунды. Стандартные алгоритмы ML Sense были оптимизированы под эти условия, обеспечивая молниеносное обнаружение и отправку сигнала на остановку.
Заполните форму,
чтобы узнать больше о внедрении
системы ML Sense
чтобы узнать больше о внедрении
системы ML Sense
Заполните форму,
чтобы узнать больше о внедрении
системы ML Sense
чтобы узнать больше о внедрении
системы ML Sense
Отправляя форму вы автоматически соглашаетесь с политикой конфиденциальности ООО Норд Клан
Как система работает на производстве
Система включает высокоскоростную камеру, установленную перед дробилкой. Камера фиксирует видеопоток с высокой частотой кадров, что позволяет системе мгновенно анализировать поток руды. С помощью машинного зрения система определяет наличие инородных объектов вне зависимости от их формы и материала, а также фиксирует их внешний вид, чтобы классифицировать по типу опасности.
Условия работы — экстремальные: высокая запылённость, вибрации, влажность и перепады температур.
Условия работы — экстремальные: высокая запылённость, вибрации, влажность и перепады температур.
Для бесперебойной работы в такой среде потребовались промышленные камеры в гермокожухах IP68, стойкие к механическим воздействиям. Объективы защищены системой обдува сжатым воздухом, а система подготовки воздуха предотвращает образование конденсата. Дополнительное промышленное освещение обеспечивает стабильное качество изображения при скорости движения конвейера более 2 м/с.
Так система выглядит на реальном производстве клиента: высокоскоростная камера фиксирует видеопоток, а дополнительное освещение улучшает качество съемки.
Как система определяет инородные тела
Камера передает изображение в ML Sense. Алгоритмы машинного обучения обрабатывают кадры и сравнивают их с образцами. Если на кадре присутствует инородный объект, система определяет, опасен он или нет:
- Опасные (металл, древесина, крупный пластик) — могут повредить оборудование.
- Безопасные (тряпки, мелкий мусор) — не представляют угрозы.
Дерево: ветки, палки, бруски
Металл: трубы, экскаваторные зубья, буровые шарошки
Пластик: гофротрубы, канистры, бочки
Резина: фрагменты покрышек, шланги, резинотросовая лента
Мешковина, стропы, веревки
Металл: арматура, металлические листы и пластины, проволока
Простой при срабатывании системы теперь составляет около 10 минут – то время, которое необходимо оператору, чтобы дойти до конвейера, снять инородное тело, запустить конвейер в работу.
Если система находит опасный объект, она отправляет сигнал на остановку конвейера и оповещает оператора. Тот проверяет событие и дает команду убрать посторонний предмет. При этом система не останавливает конвейер, если найденное тело безопасно. Это исключает ненужные простои и повышает эффективность работы.
Интерфейс ML Sense: система распознает инородные объекты на конвейере и классифицирует их по типу.
ML Sense можно подключить ко всем конвейерам ГОК и создать единый центр управления. Операторы в режиме реального времени видят состояние каждой линии и быстро реагируют на появление недробимых материалов.
Инженер Nod Clan настраивает камеру на производстве Ковдорского ГОК
Результаты
После внедрения ML Sense ГОК получил автоматизированную систему контроля, которая исключает попадание опасных инородных объектов в дробилку, снижает риски повреждения оборудования и сокращает незапланированные простои.
- до 98%точность распознавания
- до 10 минутсократился простой линии при обнаружении инородного тела (раньше - до 50 минут)
- на 36%снижение внеплановых простоев в целом на производстве
Операционные выгоды
- В месяц система обнаруживает до 630 опасных недробимых материалов, останавливает конвейер и предотвращает поломки и простой оборудования фабрики.
- Система не генерирует дополнительных внеплановых простоев при прохождении безопасных инородных тел.
- Персонал теперь не должен непрерывно следить за конвейером, получает адресные оповещения об обнаружении потенциально опасных инородных тел и остановке конвейеров.
- Значительно снизились: время внеплановых простоев, количества ремонтов дробильного оборудования, повысилась эффективность усреднения и как следствие коэффициент извлечения.
- Технологическая независимость: ML Sense — это российское ПО, не зависит от санкционных компонентов и поддерживается локальными разработчиками.
Запросить демонстрацию работы
Оставьте заявку и наш менеджер свяжется с Вами в течение 1 часа в рабочее время.
Расскажите нам о своей задаче
Мы поможем ее решить!