ПРИМЕРЫ ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНОГО ЗРЕНИЯ

Контроль инородных тел в меле компьютерным зрением

Главная
»
Примеры использования компьютерного зрения
»
Контроль инородных тел в меле компьютерным зрением

Мел может содержать частицы, которым не место в готовой продукции. Кремень, фрагменты других пород и посторонние предметы могут попадать в мел ещё при добыче и транспортировке. Твёрдые включения ускоряют износ дробильного и размольного оборудования, а загрязнения могут ухудшать качество готовой продукции.

На движущейся ленте человек замечает их не всегда. Контроль инородных тел в меле компьютерным зрением проверяет каждый участок потока и сразу сообщает о находке.

ML Sense - это платформа компании Nord Clan для контроля качества продукции на основе машинного зрения и нейросетей. Платформа входит в реестр российского программного обеспечения (№12843). Мы настраиваем контроль мела на производственной линии компьютерным зрением под ваше сырьё и ваше оборудование.

Какие инородные тела находит машинное зрение

Система выполняет обнаружение инородных тел в меле компьютерным зрением и находит такие примеси.

Кремневые включения и фрагменты других пород

Кремень встречается в природных меловых отложениях. Из-за высокой твердости такие включения могут вызывать повышенный износ оборудования при измельчении. Машинное зрение обнаруживает фрагменты, которые отличаются от основного материала по цвету, форме или текстуре.
Окрашенные минеральные включения и загрязнения

Тёмные участки породы, глинистые комки и другие включения, которые визуально отличаются от основного потока мела. Их обнаружение возможно при достаточном различии цвета и структуры.
Посторонние предметы

Камни, осколки ракушек и минералов, фрагменты корней растений, металлические детали, куски древесины, пластика, резины и другой мусор, который может попасть в сырье при добыче, погрузке и транспортировке. Система распознает видимые предметы и может разделять их по степени опасности для оборудования.

Мы обучаем нейросеть на образцах вашего мела. Состав обнаруживаемых примесей, минимальный размер объектов и точность распознавания определяем по результатам испытаний на сырье предприятия.

Примеры наших проектов

Контроль наличия инородных тел
в потоке руды

Система на основе машинного зрения и нейросетей в реальном времени выявляет опасные инородные объекты на конвейере, классифицирует их на опасные и безопасные и автоматически останавливает линию для предотвращения поломок.

Результаты внедрения на Ковдорском ГОК:

Сокращение простоев на 36%. Ежемесячно обнаруживается до 630 опасных объектов.
Простой при обнаружении инородного тела — 10 минут вместо 50+.
Повышение производительности и коэффициента извлечения.

Читать кейс

Что такое компьютерное и машинное зрение

Что такое компьютерное или машинное зрение?

Это технология, которая позволяет компьютеру видеть объекты и анализировать их в реальном времени. Для этого нужны камеры и специальное программное обеспечение.
Видео с камеры попадает в систему. Обученная нейросеть обрабатывает поток. Если она находит дефект или примесь, система подаёт сигнал. Компьютерное зрение для обнаружения примесей в меле работает как внимательный контролёр, которому не нужны перерывы.

Запросить демонстрацию работы

Оставьте заявку и наш менеджер свяжется с Вами в течение 1 часа в рабочее время.

Оставить заявку

На каком этапе производства нужен контроль инородных тел в меле

Наиболее перспективный участок для установки машинного зрения — конвейер с кусковым меловым сырьем до тонкого помола.

На этом этапе система помогает:

обнаруживать крупные посторонние включения до попадания в дробильное и размольное оборудование;
выявлять визуально загрязненный материал до его дальнейшей переработки;
своевременно останавливать линию или направлять сигнал на удаление постороннего предмета.

Место установки выбираем с учётом размеров кусков, ширины и скорости конвейера, толщины слоя материала и расстояния до защищаемого оборудования.

Контроль готового мелового порошка — отдельная техническая задача. Мелкие частицы перемешаны, поэтому обычная камера видит только поверхность потока. Для проверки порошка может потребоваться его распределение тонким слоем и специальная система освещения.

Как работает компьютерное зрение на примере ML Sense

Система компьютерного зрения для обнаружения инородных тел состоит из 4 частей.

1. Высокоскоростные камеры и освещение

Камеры устанавливаем над конвейером в выбранной зоне контроля. Подбираем разрешение, частоту съемки и освещение с учётом скорости линии, размеров включений и запыленности. Предусматриваем защиту и очистку оптики.
2. Обнаружение
инородных тел

Изображения поступают на сервер с ML Sense. Нейросеть анализирует поток, определяет видимые посторонние объекты и классифицирует их по заданным признакам. Для обучения используем реальные образцы мела и примесей предприятия.
3. Реакция на опасный объект

При обнаружении включения система фиксирует событие и оповещает оператора. При интеграции с АСУ ТП возможна автоматическая остановка конвейера или передача команды на отбраковку. Правила реакции настраиваем отдельно для каждого типа объекта.
4. Отчеты и интеграции

В интерфейсе оператора доступны изображения обнаруженных объектов, время события и статистика по отклонениям. Данные можно передавать в 1С, MES и другие системы предприятия. Контроль доступен с компьютера и, при соответствующей настройке, с мобильного устройства.

Преимущества машинного зрения для контроля инородных тел в меле

Автоматический контроль качества мела помогает сократить издержки и увеличить прибыль.

Меньше риск повреждения оборудования

Опасные включения выявляются до попадания в дробилки и мельницы. Это помогает предотвращать поломки, связанные с посторонними предметами.
Меньше потерь при переработке

Загрязненное сырье можно выявлять раньше, до его смешивания с основной массой и дальнейших затрат на обработку.
Непрерывный контроль

Система непрерывно анализирует поток и сообщает оператору о потенциально опасных объектах. Сотруднику не нужно самостоятельно отслеживать каждый участок конвейера.
Данные о загрязнении сырья

Система сохраняет сведения о найденных включениях. По ним можно анализировать частоту появления примесей, проблемные участки и эффективность принимаемых мер.

Что важно учитывать при контроле мела машинным зрением

Эффективность обнаружения зависит не только от нейросети, но и от условий съёмки.

Толщина слоя

Камера распознаёт видимые включения. Если объект полностью закрыт мелом, обнаружить его по обычному изображению невозможно.
Цвет и структура

Некоторые кремневые включения имеют светлую поверхность и слабо отличаются от окружающей породы.
Пыль и влажность

Пыль ухудшает качество изображения, а влажность меняет внешний вид материала. Это учитываем при подборе освещения, защиты камер и обучении модели.
Размер включений

Чем меньше объект, тем выше требования к разрешению камер, скорости обработки изображений и организации потока.

Компьютерное зрение для обнаружения примесей в меле решает задачи визуального контроля. Оно не определяет химический состав материала и не заменяет лабораторные испытания.

Для обнаружения скрытых минеральных включений, мелких металлических частиц или примесей, неразличимых визуально, могут потребоваться другие методы: рентгеновская сортировка, металлодетекторы, магнитные сепараторы.

Внедрение компьютерного зрения для контроля мела проходит в три этапа

Подготовительный этап

Мы выезжаем на объект и изучаем сырье, типы посторонних включений и условия работы линии. Определяем, где проводить контроль, какие объекты опасны для оборудования, какие размеры примесей необходимо обнаруживать. Оцениваем скорость конвейера, запыленность, освещение и возможности интеграции с АСУ ТП.

Настройка и проверка системы

Подбираем камеры и оборудование для внедрения контроля мела компьютерным зрением. Собираем изображения реального сырья, обучаем нейросеть и проверяем распознавание согласованных типов включений. Оцениваем долю обнаруженных объектов и ложных срабатываний, настраиваем пороги и правила реакции.

Установка и интеграция

Монтируем оборудование, устанавливаем ML Sense и подключаем систему к производственной инфраструктуре. Проверяем работу на реальной скорости конвейера, передачу сигналов, уведомления оператору и сохранение данных. После запуска сопровождаем и при необходимости дообучаем модель.

Сколько стоит разработка

Стоимость разработки и внедрения системы контроля инородных тел компьютерным зрением зависит от числа линий, размеров обнаруживаемых объектов, характеристик конвейера и сложности интеграции.

В стоимость входят:

Камеры, освещение и серверное оборудование.
Подготовка данных, обучение и проверка нейросети.
Монтаж, настройка и интеграция.
Лицензия ML Sense и пусконаладочные работы.

Стоимость проекта начинается от 1 млн рублей. Точную сумму рассчитываем после оценки производственной линии и требований к контролю.

Почему клиенты выбирают ML Sense

Опыт внедрения на горно-обогатительных предприятиях

На Ковдорском ГОК мы внедрили систему обнаружения опасных посторонних предметов в потоке руды. Она распознаёт включения, оценивает их опасность и передаёт команду на остановку конвейера. После внедрения внеплановые простои сократились на 36%. Это результат конкретного проекта на рудном конвейере, а не показатель для производства мела.
Адаптация под конкретное сырьё

Настраиваем распознавание на изображениях материалов заказчика, учитываем реальные условия съёмки и требования к размерам включений.
Интеграция с производственным оборудованием

ML Sense не ограничивается обнаружением дефекта: система может передавать управляющие сигналы и данные в АСУ ТП, MES и другие системы предприятия.
Российское ПО и сопровождение

ML Sense входит в реестр российского ПО №12843. Систему можно развернуть в инфраструктуре предприятия без передачи производственных видеопотоков во внешние облачные сервисы. Обеспечиваем поддержку и дообучение моделей после запуска.

Часто задаваемые вопросы

Нет. Обычные камеры не видят включения, полностью скрытые внутри сырья, и не определяют химический состав материала. Для таких задач используют дополнительные методы контроля. Возможности системы проверяют на образцах конкретного мела.

Оставьте заявку

Изучим характеристики вашего мела, состав посторонних включений и условия работы линии.
Определим, какие примеси можно контролировать машинным зрением, предложим конфигурацию системы и рассчитаем стоимость.