Bagaimana Machine Learning dan Computer Vision Digunakan di Pabrik Konsentrasi

Halo, Habr! Hari ini saya akan terus berbicara tentang penerapan Machine Learning dan Computer Vision di industri pertambangan negara kita. Kali ini kita akan mengalihkan perhatian kita ke pabrik pengolahan.





Tempat kerja operator pabrik Pabrik



pengayaan adalah perusahaan pertambangan untuk pemrosesan utama mineral padat untuk mendapatkan produk bernilai teknis yang cocok untuk keperluan industri.



Berbagai proses teknologi yang terjadi di pabrik, seperti penghancuran, penggilingan, penyaringan, klasifikasi, flotasi, sianidasi, penyerapan, netralisasi, desorpsi, elektrolisis dan banyak lainnya, menyisakan bidang yang luas tidak hanya untuk otomatisasi standar, tetapi juga untuk penerapan visi teknis dan pembelajaran mesin. ... Di bawah potongan - deskripsi terperinci dan banyak foto besar dan indah.








Pandangan luas dari sebuah



pabrik Anda dapat menulis buku teks terpisah tentang setiap proses di pabrik, tetapi saya mengusulkan untuk memikirkan poin-poin penting dari pekerjaan pabrik pengolahan mana pun.



Pengukuran distribusi ukuran butir bijih yang disuplai



Dengan penambangan terbuka (terkadang penambangan tertutup - penambangan bawah tanah), ukuran potongan massa batuan dapat mencapai diameter hingga 1,5 m. Jelas bahwa tidak ada gunanya melakukan apa pun dengan batu-batu besar seperti itu untuk mengekstraksi mineral darinya, jadi langkah pertama adalah menyiapkan bahan yang dihancurkan.



Jadi, hampir semua pabrik dimulai dengan departemen persiapan bijih. Pada tahap ini, bijih melewati tahap peremukan dan penggilingan hingga fraksi yang dapat diterima oleh proses teknologi.



youtu.be/itq6wBZND5k







Pada tahap saat ini, sistem sudah digunakan secara aktif untuk mengontrol komposisi butiran bijih setelah setiap tahap penghancuran dan penggilingan. Tugas ini sangat penting, karena tahap persiapan bijih adalah proses yang paling memakan energi, dan penghentian karena penimbunan (kemacetan material) dipenuhi dengan waktu henti berjam-jam untuk seluruh pabrik.



Algoritme visi mesin, ditambah dengan pembelajaran mesin, mengenali inklusi besar dalam aliran bijih yang dapat berbahaya bagi aliran proses. Setelah mendeteksi dan mengklasifikasikan objek besar, algoritme dapat menghasilkan sinyal informatif dengan perekaman foto dan video, atau sinyal kontrol, kemudian seluruh konveyor berhenti.





Visualisasi proses penentuan ukuran butiran bijih



Memantau integritas ban berjalan



Gravitasi dan klasifikasi adalah proses teknologi yang umum, akibatnya bijih dipisahkan berdasarkan ukuran atau komposisi menjadi aliran yang berbeda. Proses ini didasarkan pada penggunaan gravitasi, di mana mineral dipisahkan dari batuan sisa karena perbedaan dalam kepadatan dan ukuran partikelnya.



Konveyor terlibat langsung dalam memindahkan material kerja dari kompartemen ke kompartemen. Secara umum, konveyor bukanlah peralatan yang paling andal untuk digunakan. Namun, tren terkini dalam teknologi dan peralatan konveyor baru menunjukkan bahwa sistem konveyor bisa sangat efisien dalam operasi penambangan dengan penanganan dan pemeliharaan yang tepat.





Cacat sabuk konveyor



Untuk mengatasi masalah pemantauan integritas kaset, berbagai pendekatan digunakan: dari yang sederhana berdasarkan sinyal radio hingga sistem ML yang dapat dilatih menggunakan visi mesin. Algoritme dilatih untuk mendeteksi dan mengklasifikasikan cacat, robekan, pemotongan, dan perpindahan pita pita lokal dalam aliran video.



Deteksi badan yang terkontaminasi bijih



Seperti yang kami temukan di bagian pertama artikel, masalah penting dan sangat mendesak dari industri pertambangan adalah perlindungan peralatan produksi yang mahal dari badan logam yang tidak bisa dipecahkan - gigi ekskavator, pecahan lapisan, dan elemen kuat lainnya, yang, masuk ke peralatan penghancur bersama dengan bijih, pasti akan menonaktifkannya. ...





Unit kontrol



Untuk mengatasi masalah ini, berbagai solusi digunakan: dari computer vision pada aliran bijih hingga perangkat lunak khusus dan pemrosesan matematis dari sinyal yang direkam setelah penyinaran elektromagnetik dari material yang diangkut.



Pengoperasian sistem perangkat keras dan perangkat lunak tersebut didasarkan pada penggunaan pengklasifikasi perangkat lunak, dengan bantuan objek mana pada pita dalam aliran video diidentifikasi dan dipisahkan. Jika kamera yang digunakan untuk memantau terlihat ketat dari atas, maka pengklasifikasi biasanya digunakan untuk mendeteksi benda asing. Dalam proses pengembangan metode, spesialis ML melatih pengklasifikasi pada data historis yang menggambarkan aliran bijih standar dan aliran yang tercemar. Algoritme yang menggunakan data dari pengklasifikasi dalam deteksi memberikan hasil yang lebih akurat.



Bagaimanapun, kemungkinan alarm palsu tetap ada, karena potongan batu dengan bentuk paling aneh selalu dapat muncul di bingkai, namun, itu berkurang dengan pelatihan tambahan model. Deteksi dan klasifikasi akurasi tertinggi dicapai dengan memasukkan data dari detektor logam dan sensor radio ke dalam algoritme.





Benda asing di ban berjalan



Klasifikasi berlian berdasarkan warna dan bentuk



Perusahaan Alrosa telah berhasil melaksanakan proyek untuk klasifikasi berlian berdasarkan warna dan bentuk berdasarkan algoritma ML dan CV.



Kamera visi mesin menangkap berlian saat bergerak jatuh bebas. Klasifikasi dilakukan berdasarkan model yang dibuat menggunakan metode pembelajaran mesin dan algoritma analitik video yang dikembangkan secara khusus untuk tugas ini. Kecepatan penyortiran hingga 20 berlian per detik menggunakan pneumatik.







Pengukuran kualitas dan kecepatan flotasi



Flotasi (dari flotter - ke float) adalah salah satu metode pengolahan mineral, berdasarkan perbedaan kemampuan mineral untuk tetap berada di permukaan dan karena perbedaan energi permukaan tertentu. 



Secara sederhana, setelah bijih ditumbuk menjadi bubuk, bijih tersebut dicampur dengan air dan reagen khusus, setelah itu aliran udara yang kuat melewati campuran. Selama proses ini, gelembung-gelembung terbentuk, di permukaannya beberapa bahan tertahan dan yang lainnya mengendap.





Flotasi jarak dekat



Flotasi adalah proses produksi yang sangat umum di industri pertambangan. Ukuran gelembung, laju pembentukan busa dan pembuangannya merupakan karakteristik terpenting yang menentukan kualitas ekstraksi mineral. Bahan flotasi yang dihasilkan disebut konsentrat flotasi, dan komponen yang dipisahkan disebut tailing flotasi.



Bagaimana busa bisa dimonitor? Menggunakan computer vision, tentunya. Gelembung, kecepatan dan arah pergerakannya, cukup mudah dikenali dan diukur menggunakan algoritme pembelajaran mesin.



Kamera stereo yang diarahkan tegak lurus ke permukaan aliran busa memungkinkan Anda menentukan ketinggian lapisan gelembung saat ini. Algoritme yang membandingkan dua atau lebih bingkai yang berdekatan memungkinkan untuk menentukan arah aliran dan kecepatannya. Dan algoritme CV, menerapkan filter dan menyorot kontur gelembung, memungkinkan Anda menentukan ukurannya dan membangun histogram, yang dapat digunakan untuk menggambarkan kualitas proses.





Proses flotasi skala industri



Pengendalian area berbahaya dan ketersediaan APD



Tingkat keamanan industri adalah indikator terpenting di semua perusahaan modern. Di fasilitas berbahaya seperti pabrik pengolahan, keamanan diawasi dengan sangat hati-hati. Statistik terperinci dan komprehensif disimpan untuk semua insiden, dan semua manajer memiliki KPI wajib terkait dengan keselamatan personel.



Tentu saja, kontrol area berbahaya berbasis visi mesin modern juga tidak luput dari perhatian industri pertambangan. Tidak hanya keberadaan personel di area berbahaya yang dipantau, tetapi juga ketersediaan semua alat pelindung diri (APD) yang diperlukan: helm, kacamata, masker, sarung tangan.





Kontrol video tentang ketersediaan APD



Pengendalian operasi bongkar muat



Salah satu jenis pekerjaan paling berbahaya dalam produksi apa pun adalah pekerjaan bongkar muat. Tapi di sini, juga, ada aplikasi untuk computer vision, yang memungkinkan Anda memberi tahu operator tentang potensi bahaya dan dengan demikian mengurangi kemungkinan keadaan darurat.



Kamera, dipasang pada boom crane, diarahkan secara tegak lurus ke bawah. Algoritme visi mesin mendeteksi orang dan melacaknya. Zona berbahaya ("merah") adalah zona di bawah boom dan zona arah pergerakan beban. Saat seseorang memasuki zona "merah", algoritme memberi sinyal kepada operator derek untuk berhenti bekerja. Selain itu, ada kamera samping yang menentukan posisi beban relatif terhadap cakrawala dan ketepatan pengencangannya ke kabel. Jika terjadi gulungan yang berbahaya, sinyal diberikan kepada operator untuk menghentikan pekerjaan.





Memuat proses kontrol



Penasihat pintar untuk ahli teknologi



Baru-baru ini, sistem telah mendapatkan popularitas yang membantu operator dan dispatcher memantau parameter proses teknologi dan memberikan saran untuk mengubah mode operasi peralatan atau mengubah pengaturan parameter target dalam sistem kontrol proses.



Saat ini, upaya sederhana dalam penerapan industri penasihat pintar terbatas pada penerapan tunggal dan tidak memiliki keahlian yang luas dalam pekerjaan pabrik. Tugas dalam waktu dekat adalah meluncurkan pabrik pintar.



Kata Penutup



Artikel ini berisi jauh dari semua pembelajaran mesin dan sistem visi komputer yang saat ini digunakan di pabrik pemrosesan. Potensi tinggi dan berbagai macam tugas yang harus diselesaikan menentukan kecepatan cepat pengembangan dan penerapannya.



Kami dapat mengatakan dengan yakin bahwa sistem ML dan CV dengan percaya diri memasuki industri, seperti yang pernah terjadi dengan otomatisasi standar, dan keterbatasan pengenalan teknologi tersebut sebagian besar disebabkan oleh kurangnya spesialis yang memenuhi syarat, yang sedang diburu oleh perusahaan besar.



gambar






Artikel yang direkomendasikan






All Articles