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
Автоматический контроль цветности сахарного сырья при переработке сахарной свеклы
КЕЙС ВНЕДРЕНИЯ СИСТЕМЫ ML SENSE
Автоматический контроль цветности сахарного сырья при переработке сахарной свеклы
Клиент
Крупное предприятие пищевой промышленности, специализирующееся на переработке сахарной свёклы и производстве сахара-песка. Входит в агропромышленный холдинг, имеет собственную сырьевую базу. Среднесуточная переработка — 10–12 тыс. тонн свёклы, ежегодный выпуск продукции — более 100 000 тонн сахара и значительные объёмы побочных продуктов.
Крупное предприятие пищевой промышленности, специализирующееся на переработке сахарной свёклы и производстве сахара-песка. Входит в агропромышленный холдинг, имеет собственную сырьевую базу. Среднесуточная переработка — 10–12 тыс. тонн свёклы, ежегодный выпуск продукции — более 100 000 тонн сахара и значительные объёмы побочных продуктов.
Фото завода клиента
Проблема и задачи
В процессе производства сахара цвет — один из ключевых показателей качества. Для разных видов продукции требуется своя степень цветности, измеряемая в условных единицах ICUMSA. Если цветность сахара отклоняется от заданного диапазона, сырьё считается несоответствующим стандартам, что приводит к прямым потерям для завода — сахар отправляют на повторную переработку или утилизируют.
В процессе центрифугирования патока отделяется от сахара, после чего сахарное сырьё смешивается с подготовленным конденсатом (или соком), в результате чего формируется конечный цвет продукта. Чем выше значение ICUMSA, тем темнее сахар и тем больше в нём остаточной патоки.
В процессе центрифугирования патока отделяется от сахара, после чего сахарное сырьё смешивается с подготовленным конденсатом (или соком), в результате чего формируется конечный цвет продукта. Чем выше значение ICUMSA, тем темнее сахар и тем больше в нём остаточной патоки.
Вид внутри центрифуги: сахарное сырье поднимается по стенкам
Центрифуги для отделения патоки
Ранее контроль цветности осуществлялся вручную: брали пробу сырья, несли её в лабораторию для измерения ICUMSA. Пока проводился анализ, центрифуга продолжала перерабатывать сырьё, и за это время успевало пройти значительное количество продукта. Если по результатам цветность оказывалась вне нормы, всю эту партию считали некачественной, вело к потерям сырья и снижению эффективности производства.
Цель:
Обеспечить точный контроль цветности продукта в режиме реального времени для снижения потерь сырья и соответствия требованиям к качеству
Задачи:
Обеспечить точный контроль цветности продукта в режиме реального времени для снижения потерь сырья и соответствия требованиям к качеству
Задачи:
- Исключить потери сырья из-за позднего обнаружения отклонений по цветности.
- Осуществлять непрерывный контроль ICUMSA в реальном времени.
- Интегрировать решение в текущую архитектуру производства.
- Упростить работу оператора: сигнализировать о превышении ICUMSA и позволить быстро реагировать (например, отрегулировать настройки центрифуги).
Решение
ML Sense — ИИ-платформа для контроля качества продукции на производствах конвейерного типа. Российская разработка. Входит в реестр отечественного ПО.
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
Анализ производства и сложности
Изначально клиент предполагал установить камеру прямо на входе в центрифугу. Однако в этой зоне условия видимости крайне неблагоприятны: высокая концентрация пара и наличие плотных взвесей существенно снижают точность измерений. Кроме того, камера видит сырье непосредственно в центрифуге, в то время как лабораторные измерения производятся в растворе, что приводит к расхождениям в показателях цветности.
Изначально клиент предполагал установить камеру прямо на входе в центрифугу. Однако в этой зоне условия видимости крайне неблагоприятны: высокая концентрация пара и наличие плотных взвесей существенно снижают точность измерений. Кроме того, камера видит сырье непосредственно в центрифуге, в то время как лабораторные измерения производятся в растворе, что приводит к расхождениям в показателях цветности.
Видимость сильно затруднена: высокая концентрация пара и наличие плотных взвесей существенно снижают точность измерений
Специалисты Nord Clan провели выездную аналитику и предложили альтернативное решение — установить камеру в точке, где продукт уже вышел из центрифуги и смешан с соком (или подготовленным конденсатом). Это условия максимально приближёны к лабораторному анализу.
В этом месте устанавливается прозрачный резервуар с отстойником, где отделяется пена и осадки.
Получается стабильный, чистый поток продукта, пригодный для оптического контроля.
Камера в герметичном кожухе фиксирует изображение потока в резервуаре.
Устанавливается промышленный светильник с фиксированными параметрами.
В этом месте устанавливается прозрачный резервуар с отстойником, где отделяется пена и осадки.
Получается стабильный, чистый поток продукта, пригодный для оптического контроля.
Камера в герметичном кожухе фиксирует изображение потока в резервуаре.
Устанавливается промышленный светильник с фиксированными параметрами.
Прозрачный резервуар с отстойником, где отделяется пена и осадки
Резервуар будет установлен на выходе из центрифуги (место монтажа отмечено красным)
Особенности датасета
Для обучения нейросетевой модели формируется специальный датасет. В ходе подготовительного этапа лаборатория берёт пробы продукта сразу после центрифугирования и смешивания с раствором. Каждую пробу фотографируют в строго контролируемых условиях — при одинаковом освещении и фоновой среде. После этого лаборатория измеряет цвет продукта и присваивает пробе точное значение ICUMSA по установленной методике. На основе собранного датасета наши ML-инженеры обучают нейросеть. Система автоматически распознает цвет сахара на видеопотоке и сопоставляет его с эталонными значениями цветовой шкалы.
Для обучения нейросетевой модели формируется специальный датасет. В ходе подготовительного этапа лаборатория берёт пробы продукта сразу после центрифугирования и смешивания с раствором. Каждую пробу фотографируют в строго контролируемых условиях — при одинаковом освещении и фоновой среде. После этого лаборатория измеряет цвет продукта и присваивает пробе точное значение ICUMSA по установленной методике. На основе собранного датасета наши ML-инженеры обучают нейросеть. Система автоматически распознает цвет сахара на видеопотоке и сопоставляет его с эталонными значениями цветовой шкалы.
Как работает система
- Камера в кожухе, пригодном для пищевых производств, устанавливается у прозрачного резервуара под центрифугой.
- Освещение и угол съёмки фиксируются для стабильности результата.
- Камера в реальном времени передаёт видеопоток на вычислительный блок.
- Нейросетевая модель, обученная на верифицированном датасете эталонных изображений с лабораторно подтвержденными значениями ICUMSA, анализирует картинку и определяет текущий показатель цветности.
- Значение ICUMSA отображается на экране оператора — в виде информационного виджета в существующем интерфейсе панели оператора.
- При отклонении от заданного диапазона срабатывает светозвуковая сигнализация, позволяя оператору оперативно отрегулировать параметры отделения патоки.
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!