Компьютерное зрение для горнодобывающей промышленности. Как «цифровой глаз» видит точки неэффективности вашего производства

07.02.23, Вт, 08:13, Мск,

Cчитается, что базовым подходам, которые используются в современных алгоритмах компьютерного зрения, человечество научилось от… кошек. В 1959 году двое ученых посадили кошку перед экраном и показывали ей простые геометрические фигуры. Благодаря электродам, подключенным к мозгу животного, Хьюбел и Визель заметили, что определенные нейроны кошки реагируют на простые составляющие, из которых можно составить более сложные изображения. В результате этой работы исследователи не только получили Нобелевскую премию в 1981 году, но и заложили основные принципы сверточных нейронных сетей и дальнейшего развития компьютерного зрения на многие десятилетия.

Благодаря этим принципам мы можем обучать компьютеры распознавать различные объекты на видео и изображениях, просто «объясняя» алгоритму, какую информацию мы хотим найти.. Например, мы выделяем на изображении самосвал, а алгоритм сам пытается подобрать набор примитивов и их многоуровневых комбинаций, чтобы в дальнейшем их распознать. Показывая множество фотографий с размеченными самосвалами алгоритм учится находить их всё лучше, подобно маленькому ребенку или той же самой кошке.

Со временем индустрия получила мощное развитие. Появились огромные наборы размеченных данных. Алгоритмы стали более эффективными, как и вычислительные устройства. Задачи, которые раньше могли решаться только в огромных дата-центрах, стали доступны на специализированных edge девайсах, которые человек спокойно может удержать в руке. Компьютерное зрение стало широко применяться в различных отраслях знаний, включая медицину, анализ спутниковых снимков, беспилотные автомобили и, конечно же, промышленность.

Мы в «Пиклема» занимается разработкой и внедрением решений на базе компьютерного зрения и искусственного интеллекта с фокусом на горнодобывающие и другие сферы промышленности. Например, линейка наших продуктов в области компьютерного зрения позволяет поставить камеру и небольшое вычислительное устройство на экскаватор, погрузчик или другую движущуюся технику и распознать все важные для бизнеса показатели, которые человек или компьютер может определить по визуальной информации. Распознавание будет проходить прямо на борту, а информация о найденных проблемах и неэффективной работе (снижение времени цикла экскавации или длительность простоев) будет передаваться при наличии связи по Wi-Fi, мобильной сети или другим протоколам, чтобы все заинтересованные лица узнавали о таких событиях и оперативно на них реагировали, повышая эффективность производства.

Ниже примеры определения различных характеристик работы оборудования на основе анализа изображений:

Отлом зубьев ковша экскаватора
Определение грансостава в ковше экскаватора

Другие наши решения направлены напрямую на оптимизацию производственных процессов. Например, благодаря компьютерному зрению мы можем в режиме 24/7 следить за гранулометрическим составом на ленте конвейера фабрики и определять информацию, используемую для более эффективного управления режимами дробильной машины. В целом применение алгоритмов искусственного зрения вместе с цифровой камерой, это просто один из элементов цифровизации производства. Информация о грансоставе может использоваться для создания единой системы шихтоподготовки или усреднения качества добываемого сырья горнодобывающего производства.

Гранулометрия на конвейерной ленте

Другим хорошим примером является установка камер над флотационными машинами и определение различных параметров пены посредством компьютерного зрения. Полученная информация позволяет более эффективно подбирать количество реагентов, делая извлечения целевого материала более стабильным и эффективным.

На этом возможности для применения компьютерного зрения далеко не заканчиваются. Например, вы можете сделать фото на обычный телефон и отправить его в наш Telegram бот для определения грансостава в забое. Или отснять фото или видео со склада трубных изделий и получить в ответ результат с количеством распознанных труб и визуальным результатом распознавания.

Подсчёт труб по фотографии
Определение гранулометрического состава в забое

В завершение хотелось бы отметить базовый план внедрения решений на основе компьютерного зрения в промышленности:

  • Технические требования и определение бизнес-процессов (что конкретно планируется считать или оптимизировать);
  • Установка камер или подключение к существующим;
  • Предварительный сбор и разметка данных (осуществляется быстрый пилот на предмет реализуемости задачи)
  • Разработка API (при необходимости) и интеграция результатов анализа в существующие системы автоматизации, АСД, MES, ERP;
  • Адаптация CV/ML моделей;
  • Настройки уведомлений и отчетов для линейного персонала.

Если вас заинтересовала перспектива использования компьютерного зрения и искусственного интеллекта для решения ваших задач в горнодобывающей или другой отрасли промышленности, то вы можете ознакомиться с деталями применения компьютерного зрения в промышленности по ссылке: (Computer Vision in the Mining Industry. PDF). Рынок ИТ-услуг в России: оценки, тренды, крупнейшие участники. Обзор и рейтинг TAdviser 298.6 т