Объединённый институт ядерных исследований (ОИЯИ) — международный научный центр в Дубне. Специализируется на физике высоких энергий, ускорителях частиц и множестве прикладных, в том числе сверхпроводящих технологий. В частности, ОИЯИ разрабатывает SMES-накопитель (Superconducting Magnetic Energy Storage) — это высокотемпературная сверхпроводящая катушка, которая накапливает энергию и питает магниты ускорителей Бустер и Нуклотрон. Также ОИЯИ будет менять магниты Нуклотрона, прослужившие больше 30 лет, на магниты из ВТСП кабеля.
Процесс намотки кабеля из сверхпроводящей ленты
Проблема и задачи
ВТСП-кабель (высокотемпературный сверхпроводящий кабель) наматывается из десятков тонких лент шириной 4 мм. От качества намотки напрямую зависит надёжность всей системы — будь то накопитель энергии или ускоритель частиц. Шаг между витками должен быть строго постоянным, без нахлёстов и заломов: даже один незамеченный дефект невозможно устранить после завершения намотки. При цене $35 за метр ВТСП-ленты и длине в десятки метров, брак даже одного кабеля обходится в сотни тысяч рублей.
Контроль выполняли вручную. На линии работали 6-7 операторов, часть из которых следили исключительно за качеством намотки. Это утомительная работа: нужно непрерывно смотреть на один и тот же участок кабеля и мгновенно реагировать на отклонения. Человеческий фактор, усталость и сложность визуального контроля приводили к ошибкам.
Однородная корректная намотка, с равномерным шагом (в пределах допустимых отклонений)
Сбитый шаг намотки (различное расстояние между витками), но без значительного повреждения намотанной ленты
Критические дефекты: нахлест, залом, избыточный шаг. Данный кабель сделан из тестовой ленты золотистого цвета для более наглядной демонстрации дефектов
Собрали опытный стенд в лаборатории: пробовали разные камеры, освещение и углы, чтобы добиться устойчивой и точной детекции. Когда нашли оптимальную конфигурацию, передали параметры заказчику — он воспроизвёл сцену на реальной линии.
Собрали и разметили данные
Мы собрали датасет из нескольких сотен примеров: равномерная намотка, заломы, нахлёсты, неравномерный шаг. На этом наборе обучили YOLOv5: она не вычисляет метрику шага, а классифицирует участки по принципу «похоже на норму или нет».
Тестовая версия стенда в нашей ML-лаборатории
При этом вся логика предельно простая и устойчивая. Камера фиксирует участок троса, модель сканирует изображение, и если оно визуально близко к эталонной намотке — на экране зелёный индикатор. Если что-то отклоняется — система помечает зону как дефектную и отправляет сигнал на светозвуковую колонну.
Нейросеть выявляет дефекты, а цифры показывают степень её уверенности в правильности распознавания
Интегрировали систему на производстве
Установили камеры на первый пост. Подключили сервер обработки, сигнальные колонны, контроллеры. По мере отладки начали развёртывание на все 5 постов. Система подключена к светозвуковым колоннам и умеет подавать сигнал на остановку установки.
Как работает система
На каждом из 5 постов установлена камера, направленная на кабель в точке намотки.
Видео в Full HD поступает в ML Sense.
Система определяет: неравномерный шаг между витками, нахлёсты, заломы.
При критических отклонениях загорается световая колонна на соответствующем посту и подаётся стоп-сигнал на установку.
Оператор видит изображение с камер и отмеченные дефекты. Может принять решение: продолжать или корректировать намотку.
Все события и фото фиксируются в журнале.
Главный экран ML Sense: видеопоток с камер
При клике на дефект появляется диалоговое окно с описанием
При клике на дефект появляется диалоговое окно с описанием
Результаты
Точность детекции дефектов — до 99%.
Высвобождение персонала — минус 3-4 оператора в смене.
Окупаемость — на первом же крупном магните или серии, хотя проекты пока не коммерческие, а для нужд Объединенного института ядерных исследований.
Запросить демонстрацию работы
Оставьте заявку и наш менеджер свяжется с Вами в течение 1 часа в рабочее время.