Ковдорский ГОК — второй по величине производитель апатитового концентрата в России и единственный производитель бадделеитового концентрата в мире.
В потоке руды с определенной периодичностью встречаются инородные тела: металлические предметы, древесина, резина, пластик, крупные камни. Эти тела становятся причиной внеплановых простоев дробильного оборудования из-за выхода из строя дробильных машин или образования завалов на конвейерах. Каждая остановка оборудования снижает объём руды, поступающей на склад.
Ранее контроль осуществлялся вручную или с помощью металлодетекторов, однако этот метод не обеспечивал достаточной точности. Металлодетекторы не способны обнаруживать неметаллические материалы, а также имеют ограничения при выявлении нержавеющей стали, алюминия, меди и свинца. Также работа металлодетектора осложняется содержанием в руде магнетита. Чтобы детектор не срабатывал на руду, предприятию пришлось «загрубить» настройки оборудования, что также снижало точность обнаружения.
Среднее время простоя при попадании инородного тела в дробильное оборудование составляло около 50 минут. Если после этого дробилке требовался ремонт — простой увеличивался соответственно степени устранения поломки.
ЗАДАЧИ:
Для решения этих задач было необходимо предложить технологию, которая:
«ML Sense. Инородные тела» (входит в Реестр отечественного ПО) — решение, которое с помощью машинного зрения и нейросети распознает инородные предметы, крупные фракции и посторонние включения.
Система классифицирует объекты на опасные (металл, крупный пластик, дерево) и неопасные (технические ткани, мелкий мусор). В случае обнаружения опасных предметов она подает сигнал на остановку конвейера и оповещает оператора. Система эффективнее магнитных детекторов: она определяет не только металлические, но и немагнитные объекты.
Система ML Sense не требует 100-процентного обнаружения всех инородных тел, чтобы приносить эффект. В 90% случаев потенциально опасные объекты (зубья ковшей, трубы, дерево и др.) частично выходят на поверхность и распознаются по видимым признакам — системе достаточно фрагмента или силуэта. Даже при неполном распознавании внедрение снизило общее время внеплановых простоев по причине выявления инородных тел на 36%.
Технологические особенности:
Для обучения нейросети требовалось 1000–5000 уникальных изображений каждого типа инородных тел. Однако монтаж оборудования возможен только при плановой остановке конвейера — всего дважды в год. Чтобы не ждать, спроектировали конструкции, позволяющие установить камеры вне зоны работы ленты. Дополнительно собрали более 2 тонн инородных тел, провели лабораторную съёмку и смоделировали монтаж — это позволило избежать простоев и ускорить внедрение.
Проектирование мачт крепления с учетом расположения другого оборудования и удобства обслуживания
Моделирование реальных условий
Собрали около 5000 фото наиболее часто попадающихся инородных тел в разных вариантах засыпки. Для того, чтобы создать условия для обнаружения еще порядка 15 000 редких тел, команда разработала генератор изображений на основе нейросетей: с помощью генеративных моделей удалось расширить датасет до нужного объема.
3D сцена обнаружения инородных предметов
Отдельный вызов — требования к скорости реакции. На двух из трёх линий зона обзора камеры ограничена — с момента появления тела до зоны дробилки проходит менее секунды. Стандартные алгоритмы ML Sense были оптимизированы под эти условия, обеспечивая молниеносное обнаружение и отправку сигнала на остановку.
Система включает высокоскоростную камеру, установленную перед дробильным комплексом. Камера фиксирует видеопоток с высокой частотой кадров, что позволяет системе мгновенно анализировать поток руды. С помощью машинного зрения система определяет наличие инородных объектов вне зависимости от их формы и материала, а также фиксирует их внешний вид, чтобы классифицировать по типу опасности.
Условия работы — экстремальные: высокая запылённость, вибрации, влажность и перепады температур.
Для бесперебойной работы в такой среде потребовались промышленные камеры в гермокожухах IP68, стойкие к механическим воздействиям. Объективы защищены автоматической системой обдува сжатым воздухом, которая срабатывает в случае, если система определила загрязнение объектива, а система подготовки воздуха предотвращает образование конденсата. Дополнительное промышленное освещение обеспечивает стабильное качество изображения при скорости движения конвейера до 3 м/с.
Так система выглядит в условиях реального производства: высокоскоростная камера фиксирует видеопоток, а дополнительное освещение улучшает качество съемки.
Камера передает изображение в ML Sense. Алгоритмы машинного обучения обрабатывают кадры и сравнивают их с образцами. Если на кадре присутствует инородный объект, система определяет, опасен он или нет:
Что умеет распознавать «ML Sense.Инородные тела»
Простой при срабатывании системы теперь составляет около 10 минут – это то время, которое необходимо оператору, чтобы дойти до конвейера, снять инородное тело, запустить конвейер в работу.
Если система находит опасный объект, она отправляет сигнал на остановку конвейера и оповещает оператора. Тот проверяет событие и дает команду убрать посторонний предмет. При этом система не останавливает конвейер, если найденное тело безопасно. Это исключает ненужные простои и повышает эффективность работы.
Интерфейс ML Sense: система распознает инородные объекты на конвейере и классифицирует их по типу.
ML Sense можно подключить ко всем конвейерам на комбинате и создать единый центр управления. Операторы в режиме реального времени видят состояние каждой линии и быстро реагируют на появление недробимых материалов.
После внедрения ML Sense Ковдорский ГОК получил автоматизированную систему контроля, которая исключает попадание опасных инородных объектов в дробильный механизм, снижает риски повреждения оборудования и сокращает незапланированные простои.
Показатели:
Операционные выгоды