Система видеоанализа нерудных элементов на ленте конвейера «CleanOre»

Заказчик: Норникель
Руководитель проекта со стороны заказчика: Левон Киракосян

Независимый эксперт
ИТ-поставщик: Digital Lab
Сроки выполнения проекта: Сентябрь, 2018 - Октябрь, 2019
Масштаб проекта: 600 человеко-часов
1 автоматизированное рабочее место
Цели: Цель проекта

Цель проекта - создать систему распознавания и удаления инородных элементов с ленты конвейера с целью минимизации последствий попадания рудозасоряющих тел в дробильное оборудование.

Клиент: Крупная горно-металлургическая компания.

Объект: Рудники, обогатительные фабрики, использующие ленточные конвейеры для транспортировки руды в дробильное оборудование

Проблема: С рудников на ленту часто поступают нерудные элементы, мусор, например, головки буровых машин, зубья экскаватора, металлическая арматура, дерево и прочее. Все это негативным образом сказывается на работе дробильного оборудования, ленты, а также мельниц. Например, кусок железа попавший в мельницу может привести к многомиллионному ремонту оборудования, арматура попавшая на ленту конвейера, может порезать все полотно без возможности восстановления. Металлоуловитель может пропустить металлический предмет, а персонал может отвлечься от конвейера и упустить момент попадания рудозасоряющего элемента в дробильное оборудование.

Решение: видеоанализ и выборка нерудных элементов на ленте конвейера с использованием нейронных сетей, машинного зрения, роботизированных манипуляторов.

Проект CleanOre признал лучшим (1 место) на горно-геологическом форуме MInex 2019

Уникальность проекта

Аналогичных проектов в мировой практике не встречается. Машинное зрение используется для определения крупности руды, однако нет системы, определяющей рудозасоряющеие элементы (арматура, крупные куски породы, дерево, ветошь, зубцы буровых коронок и т.п.)

Проект решает задачи импортозамещения: Нет
Использованное ПО: Оборудование:
Сервер с GPU
Камеры HIK-Vision
ПО:
Ubuntu ОС
MariaDB СУБД
TensorFlow
Apache http

Python, C++, JavaScrypt, HTML
Сложность реализации: Основная сложность реализации заключалась в уникальности проекта. Подобные проекты отсутствуют в России и за рубежом. Требовалось создать гибкую систему, способную распознавать широкий спектр образов и быстро дообучаться.
Описание проекта: Рудозасорение - наиболее распространенная проблема для горноперерабатывающих предприятий. На ленты конвейера часто попадают металлические прутья опалубки, зубья ковшей, деревянные и другие немагнитные элементы. Все это зачастую приводит к поломке ленты конвейера, а также дробилок и мельниц. Ремонт такого оборудования выходит предприятию на десятки миллионов рублей в год. Возможны также простои, что также чревато убытками для компании По данным одного из предприятий за 2017-2018 гг. было произведено 246 ремонтов данного оборудования, потрачено более 80 млн рублей! Причина – рудозасоряющие элементы! Одним из решением по борьбе с рудозасорением может стать автоматическое распознавание и выборка рудозасоряющих с ленты конвейера.

Описание процесса: - На конвейере установлены 2 камеры: - Камера 1 – предназначена для снятия видео информации с конвейера для определение посторонних предметов в руде. - Камера 2 – предназначена для снятия видео о действиях выборщика по удалению посторонних предметов в руде для определения ошибок обнаружения в текущей модели. Данные с этой камеры не используется для проведения обучения модели, а используются для выбора кадров с камеры 1 для проведения дообучения. - Программное обеспечение на сервере в режиме «реального времени» определяет посторонние предметы и информирует об этом выборщика через сигнализацию и/или подсветку. - По накоплению данных для дообучения их маркируют и направляют либо в облако (например, Oracle Cloud), либо, если хватает ресурсов выделенного локального сервера и позволяет время проводят дообучение модели на локальном сервере. - Дообученная модель замещает текущую.

Также система контролирует работу выборщика с помощью камеры 2, что позволяет постоянно вести статистику, определяя, какой процент рудозасоряющих элементов был удалён с ленты.

Система совместима с промышленными роботами (Kuka и т.п.), что позволяет полностью автоматизировать выборку и перейти к безлюдному производству.
География проекта: Проект в данный момент используется на входном конвейере Талнахской обогатительной фабрики. Планируется расширение на другие предприятия Норильского Никеля.