Уникальное решение для ГОК: внедрение ИИ для распознавания инородных тел в потоке руды и автоматической остановки конвейеров
На Ковдорском ГОКе - одном из крупнейших горно-обогатительных комбинатов России - мы совместно с компанией "Цифровые технологии и платформы" внедрили систему машинного зрения ML Sense, которая в реальном времени определяет опасные инородные объекты на конвейере и подаёт сигнал на его остановку.
Проблема: поломки оборудования и простои из-за инородных объектов в руде
ГОК обрабатывает от 500 до 1000 тонн руды в час. В сырьё периодически попадают инородные тела: зубья ковшей, фрагменты буров, деревяшки, резина, крупные камни. Попадание таких предметов в дробилки приводит к поломкам и незапланированным простоям — в среднем до 50 минут, а с ремонтом — ещё дольше.
Из-за остановок падает эффективность усреднения руды и снижается коэффициент извлечения. Раньше объект выявляли вручную или с помощью металлодетекторов, но те не видели неметаллические предметы и могли давать ложные сигналы.
Задача: научиться видеть и останавливать
Перед нами стояла задача:
- Исключить попадание опасных объектов в дробилки.
- Минимизировать простои.
- Автоматизировать контроль, исключив человеческий фактор.
- Научиться различать опасные и неопасные объекты.
Важно: система должна не просто «видеть», а принимать решение об остановке оборудования и уведомлять оператора.
Решение: ML Sense. Машинное зрение вместо металлодетекторов
ML Sense - ИИ-платформа для контроля качества на производствах конвейерного типа
Внедрили систему «ML Sense. Инородные тела», которая входит в реестр отечественного ПО. Система работает на базе нейросети и классифицирует объекты в потоке руды: металл, дерево, пластик — опасно; технические ткани, мелкий мусор — нет. Если объект опасен, подаёт сигнал на остановку и уведомляет оператора.
Как мы обучили систему без остановки конвейера
Одна из главных сложностей — обучение нейросети. Чтобы она работала надёжно, требовалось от 1000 до 5000 фото каждого типа инородных тел. Но установить камеры можно было только при остановке линии — которая происходит раз в полгода.
Чтобы не ждать:
- Спроектировали крепления камер вне зоны работы ленты.
- Собрали и отсняли 2 тонны инородных тел.
- Смоделировали реальные условия в лаборатории.
- Дополнительно обучили систему на 15 000 синтетических изображений, сгенерированных нейросетью.
Реализация: экстремальные условия и 1 секунда на реакцию
На двух линиях у нас было меньше секунды между появлением объекта и его попаданием в дробилку. Мы доработали алгоритмы ML Sense, чтобы уложиться в эти условия. В составе:
- Высокоскоростные камеры в кожухах IP68.
- Промышленное освещение.
- Система обдува и защиты от конденсата.
- Интерфейс оператора и мобильное управление.
Работает в пыли, вибрации, перепадах температур и высокой влажности.
Как система работает на производстве
- Камера фиксирует поток руды.
- ML Sense анализирует изображение.
- При выявлении опасного объекта — подаёт сигнал на остановку.
- Оператор получает уведомление и подтверждает устранение.
Простой при срабатывании — около 10 минут, вместо 50 раньше.
Результаты
- Более 90% точность распознавания.
- На 36% меньше внеплановых простоев в целом на производстве.
- До 630 опасных объектов в месяц удаляется системой автоматически.
- Исключены ложные срабатывания на безопасные объекты.
- Операторы не тратят время на постоянный визуальный контроль.
Использование компьютерного зрения на производстве позволяет Ковдорскому ГОКу предотвращать технические сбои, повышать производительность и экономить десятки миллионов рублей ежемесячно.