-
544
Заявлено проектов
-
363
Опубликовано проектов
-
205
Оставлено комментариев
-
100
Количество голосов
ML Sense: контроль целостности конвейерной ленты в морском порту
-
Руководитель проекта со стороны заказчика
Иван Хейстонен
АО «Находкинский МТП»
Заместитель генерального директора по операционной эффективности и трансформации бизнеса
-
Категория
-
Номинация
-
Цели
Цель проекта - обеспечить непрерывный контроль целостности конвейерной ленты длиной около 2 км, транспортирующей уголь и другие насыпные грузы в морском порту. Необходимо автоматизировать выявление повреждений без остановки конвейера, обеспечить точную локализацию каждого дефекта и накопление истории его развития. Эти данные должны помочь операторам своевременно выявлять повреждения, планировать ремонт и снижать риск разрыва ленты и связанных с ним незапланированных остановок оборудования.
До внедрения ML Sense при скорости движения 3,5 м/с регулярные обходы не позволяли постоянно наблюдать за состоянием ленты и оценивать, насколько быстро увеличивается обнаруженное повреждение. При этом отсутствие точной привязки дефектов к координатам затрудняло их повторный поиск и сравнение результатов осмотров.
-
Сроки выполнения
февраль, 2026 — сентябрь, 2026 -
Год завершения проекта
2026
-
Масштаб проекта
700 человеко-часов -
Результаты
Предприятие получило возможность непрерывно контролировать доступную для съемки поверхность движущейся ленты без остановки конвейера.
Внедрение системы позволяет:
Сократить трудозатраты сотрудников на контроль состояния ленты и ускорить поиск повреждений благодаря автоматической фиксации их координат.
Перейти от разовых визуальных осмотров к отслеживанию развития каждого обнаруженного дефекта.
Снизить риск внеплановых простоев за счет своевременного выявления повреждений и контроля их развития до критического состояния.
Планировать технические остановки, ремонт и замену ленты на основе фактических данных о состоянии полотна.
-
Уникальность проекта
Особенность проекта - контроль состояния конвейерной ленты с одного поста машинного зрения и отслеживание развития каждого обнаруженного повреждения. Вместо установки камер вдоль трассы выбран участок, где полотно движется без груза: при его движении через зону съемки проходит вся доступная для наблюдения поверхность ленты.
Нейросеть выявляет повреждения и измеряет их размеры, а энкодер определяет координаты. При повторном проходе система сопоставляет новое изображение с ранее зарегистрированным дефектом и дополняет историю изменений. Точность повторного сопоставления достигает 99,9%. Оператор сразу получает сообщение о новом событии и может исключить ложные срабатывания, например вызванные каплями воды или мусором.
Такой подход превращает отдельные обнаружения в историю состояния конкретных участков ленты и помогает планировать ремонт по динамике повреждений.
-
Использованное ПО
Программная платформа ML Sense; промышленная камера в защитном кожухе; система освещения и обдува защитного стекла; энкодер для отслеживания движения конвейерной ленты и определения координат повреждений; ШОД (шкаф оптической детекции); ИБП для блока управления.
-
Решение из каталога Global CIO
В проекте не используются решения из каталога Global CIO
-
Сложность реализации
Стабильную съемку ленты на скорости 3,5 м/с пришлось организовать в условиях морского порта: угольная пыль и крошка загрязняют оптику, а насыщенный солями морской воздух повышает коррозионную нагрузку. Команда выбрала участок без груза, применила промышленное освещение, обдув защитного стекла и специальные кожухи из нержавеющей стали.
Для обучения нейросети не хватало реальных изображений повреждений. Специалисты создали лабораторные образцы ленты с порезами, надрывами и пробоями, подготовили и разметили более 5000 изображений.
Еще одно инженерное решение — координатная привязка по энкодеру и сопоставление повторных снимков одного повреждения для отслеживания изменения его размеров.
В результате один пост обеспечивает непрерывный контроль доступной для съемки поверхности движущейся ленты; выбранной конфигурации оказалось достаточно без изменения первоначальной архитектуры и установки дополнительных камер вдоль трассы.
-
Описание
Исходная ситуация
АО «Находкинский морской торговый порт» использует конвейерные линии для транспортировки угля и других насыпных грузов. Одна из контролируемых лент имеет длину около 2 км и движется со скоростью 3,5 м/с. Из-за постоянной механической нагрузки и воздействия абразивных материалов на ее поверхности возникают порезы, надрывы и пробои. Развитие повреждений может привести к разрыву ленты и внеплановой остановке конвейера.
До внедрения системы состояние полотна проверяли во время обходов. Такой способ не обеспечивал непрерывного наблюдения: повреждения приходилось повторно искать вручную, а оценивать изменение их размеров между осмотрами было затруднительно.
Реализованное решение
Находкинский морской порт внедрил систему контроля целостности конвейерной ленты на базе платформы машинного зрения ML Sense.
Команда Nord Clan обследовала конвейер и выбрала для установки оборудования участок, где лента меняет направление и движется без груза. Такая конфигурация позволяет контролировать поверхность полотна с одного поста, не размещая камеры вдоль всей трассы.
При проектировании учитывались особенности морского порта: угольная пыль, абразивные частицы, загрязнение оптики и высокая коррозионная нагрузка из-за солей в морском воздухе. Для защиты оборудования применили специальные кожухи из нержавеющей стали, систему обдува стекла и промышленное освещение.
Камера непрерывно снимает движущуюся ленту, а нейросетевые алгоритмы обнаруживают повреждения и измеряют их размеры. Для обучения модели при недостатке реальных данных специалисты подготовили лабораторные образцы ленты с различными повреждениями и сформировали датасет более чем из 5000 размеченных изображений.
Для определения местоположения повреждений используется энкодер. При каждом повторном прохождении участка система сопоставляет новое изображение с ранее зарегистрированным дефектом и сохраняет историю изменения его размеров.
Оператор получает сообщение об обнаруженном повреждении сразу после его регистрации. В интерфейсе ML Sense доступны мнемосхема ленты, координаты, изображения и история наблюдений. Предусмотрена возможность отмечать ложные события, например при попадании капель воды или мусора в зону наблюдения.
-
География проекта
Россия, Приморский край, г. Находка. АО «Находкинский морской торговый порт».
-
Дополнительные презентации
-
Заказчик
АО «Находкинский МТП»
-
ИТ-поставщик
Nord Clan
Комментировать могут только авторизованные пользователи.
Предлагаем Вам войти в систему или зарегистрироваться.