Владимир Люшенко, 09/08/24
Компьютерное зрение позволяет повысить безопасность производственных процессов и увеличить эффективность производства. Собственная техническая экспертиза и компетенции при создании цифровых решений в области компьютерного зрения позволяют ГОК "Карельский Окатыш" (Северсталь) минимизировать затраты на внедрение проектов, не иметь затрат на внешние программные решения и затрат на их внедрение.
Важным условием для горно-обогатительного комбината "Карельский Окатыш" было выстраивание внутренних компетенций для самостоятельной разработки и технической поддержки цифровых решений.
Этот подход приносит наибольшую эффективность за счет оперативности разработки, внедрения и сопровождения продуктов. Более того, он обеспечивает гибкость технических решений в условиях постоянного изменения производства.
Команда специалистов состоит из высококвалифицированных разработчиков, системных администраторов, менеджеров проектов и других ИТ-специалистов. Мы сосредоточены на создании технических решений, позволяющих повысить производительность и снизить затраты производства за счет автоматизации функций учета производства, оптимизационного планирования и управления в технологических процессах.
Командой уже разработаны или еще находятся в стадии разработки следующие технические решения с применением технологий компьютерного зрения:
- непрерывный анализ гранулометрического состава крупной руды в думпкарах и дробленой руды на конвейерах;
- мониторинг и анализ смещения конвейерных лент;
- поиск недробимых материалов на конвейерных лентах;
- мониторинг дефектов обжиговых тележек;
- мониторинг зубьев ковша экскаватора и степени их износа;
- контроль проезда ж/д переездов;
- контроль усталости водителя и другие проекты.
Технические решения включают в себя работы по предпроектному обследованию, техническому проектированию, управлению проектом, работу с подрядчиками, разработку программного кода, внедрение, сопровождение, организацию сервисного обслуживания оборудования проекта.
В команде задействованы менеджеры проектов, разработчики, а также специалисты подрядчика. На подряд мы отдали работы по монтажу оборудования: видеокамер, систем передачи данных, компьютерного бортового оборудования.
Цифровые проекты компании в основном направлены на увеличение производительности оборудования и снижение затрат, а также на обеспечение безопасности труда работников.
Детектор негабаритной руды
В современных условиях роста производственных затрат стоят задачи повышения конкурентоспособности, снижения затрат и повышения эффективности производства. Цифровизация, автоматизация и новые технологии могут предоставить операторам и техническим специалистам быстрый доступ к важной информации о производительности, условиях производимых работ и техническом оснащении. Наличие такого рода данных ускоряет принятие решений, устранение неполадок, увеличивает эффективность производства.
Наибольшие затраты на обогатительных фабриках связаны с рудоподготовкой. Более экономичная переработка руд на горно-обогатительных комбинатах возможна при выполнении нескольких условий.
Основное условие состоит в снижении максимальной крупности дробленого продукта в питании мельниц первой стадии измельчения. Застревание негабаритной руды в дробилке крупного дробления приводит к многочасовому простою по причине "забутовка", и эта ситуация может вызвать остановку буквально всей фабрики.
Техническое решение
Задача повышения эффективности процессов рудоподготовки решается с использованием системы автоматического контроля гранулометрического состава руды. Мы разработали техническое решение непрерывного визиометрического анализа гранулометрического состава крупной руды в думпкарах и дробленой руды на конвейерах.
Решение включает функции получения видеоизображений руды, их обработку, построение непрерывных кривых распределения руды по классам крупности и анализ, автоматизированный советчик оператору дробилки с выдачей уведомления.
Разработка позволяет добиваться сокращения простоев передела крупного дробления благодаря исключению человеческого фактора, автоматизированному контролю процесса принятия решения.
В качестве платформы для проведения анализа данных и визуализации результатов было выбрано собственное решение – MES-система "КлиентПРО". Система обеспечивает выполнение всех функций MES для всех железорудных активов Северстали.
Нейронная сеть и аппаратное обеспечение
Для определения гранулометрического состава применяется нейронная сеть. Она определяет контуры камней, вычисляет площадь каждого. Изображения руды требуют предварительной обработки с использованием медианного фильтра и других методов коррекции. Шум изображения уменьшается, и зазор между частицами руды становится более очевидным после предварительной обработки изображения.
Для разработчиков доступно несколько подходов к идентификации объектов на изображениях, таких как поиск всего изображения с помощью метода скользящего окна, методы сегментации и другие стратегии с использованием сверточной нейронной сети (CNN).
В наших проектах используется технология Fast R-CNN – это основанный на сверточной нейронной сети метод обнаружения объектов. Он дает отличные результаты с точки зрения точности и широко используется в сценариях проверки, но требует больших вычислительных мощностей для выполнения в реальном времени.
Для обучения и работы модели нейронной сети задействовано два высокопроизводительных сервера Lenovo. Каждый сервер включает четыре графических ускорителя модели NVIDIA Tesla T4 с поддержкой технологии nVidia CUDA.
Подготовка данных
Для разметки изображений применяется программный продукт CVAT. Это бесплатный инструмент с открытым исходным кодом для разметки цифровых изображений и видео, а также удобной подготовки наборов данных для алгоритмов компьютерного зрения. Он позволяет размечать данные для нескольких задач машинного обучения: распознавания объектов, классификации и сегментации изображений.
Интеллектуальный мониторинг
Каждый железнодорожный думпкар (вагон) перед разгрузкой осматривают четыре видеокамеры. Видеокамеры размещены таким образом, чтобы вести видеосъемку вертикально сверху вниз.
Операторы видят подъездные пути, весь процесс разгрузки руды из технологических поездов, дробильное оборудование. Если видеокамеры зафиксируют в думпкарах негабаритную руду, то система компьютерного зрения в режиме реального времени подаст предупредительный сигнал оператору, который примет решение, разгружать вагон или нет.
Таким образом, система позволяет избежать инциденты с выгрузкой негабаритов в конусную дробилку крупного дробления. Невыгруженные думпкары отправляются на склад для дробления бутобоем.
Советчик оператора
Уведомление для оператора приходит, если видеокамерой зафиксирован объект с диагональю более 1 960 мм и размером по высоте и ширине более 1 500 х 1 500 мм.
Система осуществляет работу в режиме онлайн. На фото (рис. 1) выделены крупные объекты и указаны их размеры в миллиметрах. Оператору необходимо обработать уведомление принятием решения "не разгружать" или "разгрузить".
Оперативный контроль размеров руды в думпкаре позволяет предотвратить разгрузку негабаритной руды в дробилку, предотвратить аварийные простои.
Рис. 1. Детектор негабаритной руды. Советчик оператора
Динамика использования уведомлений
В начале проекта процент обработанных советов оператором был крайне мал. Но по мере развития программно-технического решения и понимания важности задачи росла степень вовлеченности операторов в процесс использования системы. В настоящее время доля необработанных уведомлений нулевая. Система передана в промышленную эксплуатацию и используется максимально полно.
При внедрении системы были настроены бизнес-процессы под нее, пользователи получили знания о том, как применять ее для оптимизации процесса.
Важно выстроить доверие к системе. Это непросто, впрочем это свойственно человеку: ему всегда требуется какое-то время, чтобы привыкнуть к новому.
Контроль проезда ж/д переезда
Одним из проектов в области обеспечения безопасности является мониторинг проезда железнодорожных переездов в карьерах и на промплощадке предприятия. В 2017 г. произошла крупная авария на ж/д переезде с участием крупногабаритной техники. Поэтому было инициировано корректирующее мероприятие – его итогом стало внедрение системы компьютерного зрения, которая фиксирует проезд транспорта по переезду при включенном запрещающем сигнале светофора, определяет госномер транспорта, формирует инциденты.
Система интегрирована с ж/д инфраструктурой. Каждый год мы выполняем тиражирование данного решения. От реализации проекта ожидаем максимальное исключение нарушений ПДД при проезде переездов на территории предприятия.
Контроль усталости водителя
Система компьютерного зрения, установленная в кабине большегрузного самосвала и направленная на лицо водителя, отслеживает усталость человека за рулем, контролирует использование телефона во время движения и наличие пристегнутого ремня безопасности.
Перед стартом проекта мы провели анализ ряда внешних решений – их общим недостатком была возможность отключить систему или закрыть видеокамеру. Поэтому мы решили создать собственное CV-решение и интегрировать его в существующую систему диспетчеризации транспорта, что исключит указанный недочет.
Мониторинг недробимых материалов
Актуальная и, к сожалению, частая проблема дробильной фабрики горнодобывающего предприятия – попадание в дробильное оборудование вместе с рудой недробимых тел – зубьев ковша экскаватора, обломков футеровок и прочих крепких элементов. Как правило, при такой ситуации дорогостоящее производственное оборудование выводится из строя. Устранение последствий аварии занимает продолжительное время, предприятие несет убытки.
Для решения этой проблемы на ГОК "Карельский Окатыш" используют металлодетекторы, которые часто бывают неэффективны.
Наше собственное решение основано на технологии компьютерного зрения. Нейронная сеть идентифицирует и классифицирует объекты на конвейерной ленте в видеопотоке.
Примечательно, что в качестве первоначального датасета были использованы изображения с металлоломом, поэтому модель определяет в потоке руды самые неожиданные предметы: пластиковые бутылки, дерево, лопаты.
В 2019 г. произошел случай: обычный металлический лом прошел через несколько конвейеров, пронизал конвейерную ленту и заблокировался. В результате лента стала продольно рваться, руда высыпаться за конвейер. Убытки от данного аварийного простоя составили несколько десятков миллионов рублей.
Мониторинг наличия зубьев ковша экскаватора и степени их износа
Следующий проект – мониторинг наличия зубьев ковша экскаватора и степени их износа. Здесь работает автоматизированная система на основе компьютерного зрения, которая оперативно определяет наличие или отсутствие коронок ковша экскаватора и направляет оповещение машинисту. Данное техническое решение прошло несколько этапов развития по мере получения опыта эксплуатации. Сейчас мы создаем и устанавливаем на экскаваторы модульное решение, которое в условиях непрерывного производства и тяжелых условий эксплуатации показало свое преимущество.
Дополнительно система производит измерение степени износа зубьев. В случае достижения критического значения отправляется СМС-сообщение подписчикам и уведомление на монитор бортового компьютера машинисту экскаватора.
Модуль обладает следующей функциональностью:
- Мониторинг наличия зубьев ковша. Отправка уведомлений об инциденте машинисту на бортовой компьютер, СМС подписчикам, в форму "КлиентПРО".
- Вычисление степени износа зубьев ковша. Информация необходима для планирования плановой замены зубьев.
- Отображение дополнительных статусов ("не в сети", др.).
- Отправка аварийных уведомлений на бортовой компьютер, в MES КлиентПРО, через СМС.
Рис. 2. Мониторинг наличия зубьев ковша экскаватора и степени их износа
Система видеоаналитики для контроля состояния паллет обжиговых машин
Паллета – другое ее название "обжиговая, или спекательная, тележка" – часть обжиговой машины в виде массивной тележки, на которую загружаются сырые окатыши при производстве обожженных окатышей.
Целью работы системы видеоаналитики является идентификация дефектов обжиговых паллет, снижение вероятности аварийных простоев обжиговых машин по причине дефектов паллет и сокращение затрат на мазут и электроэнергию, связанных с аварийными простоями обжиговых машин.
Данный проект позволит обеспечить:
- общее понимание текущего состояния обжиговой машины;
- интерактивное обслуживание паллет;
- планирование ремонтов обжиговой машины;
- оповещение о критичном состоянии паллеты.
Источником данных для модели компьютерного зрения являются видеопотоки с шести видеокамер с частотой 10 кадр/с (с каждой камеры).
Модель компьютерного зрения определяет наличие дефектов обжиговых паллет на полученных кадрах с каждой из трех обжиговых машин, по каждой обжиговой паллете, анализирует и относит их к определенному классу.
Модуль выполняет позиционирование и учет каждого найденного дефекта элемента конструкции.
Поддерживается распознавание следующих дефектов обжиговых машин:
- отсутствие малого борта;
- отсутствие ходового ролика;
- отсутствие крышки ходового ролика;
- плохо прикрученная крышка ходового ролика;
- отсутствие болта боковины;
- отсутствие болта крышки ходового ролика;
- большой зазор между обжиговыми тележками;
- дефект крепления пластины продольного уплотнения.
Система определяет номер обжиговой паллеты, чтобы ее идентифицировать. Для паллет, на которых еще нет таблички с номером, система назначает виртуальный номер.
Распознаются и такие проблемы, как:
- нераспознаваемый номер паллеты;
- ходовой ролик без крышки;
- отверстие для болта крепления ходового ролика;
- отсутствующий болт крепления ходового ролика;
- дефектный малый борт;
- дефект крепления малого борта;
- отсутствующий малый борт;
- дефект боковой пластины;
- дефект крепления пластины продольного уплотнения;
- большой зазор;
- плохое крепление крышки ходового ролика;
- отсутствующий ходовой ролик;
- боковая пластина не обнаружена;
- отсутствует боковая пластина.
В MES-системе "КлиентПРО" реализован инструмент "мониторинг обжиговых машин". Инструмент содержит интерактивную модель (диаграмму) обжиговой машины. Интерактивная модель отображает реальное расположение паллет обжиговой машины.
Каждое звено диаграммы содержит номер паллеты. В зависимости от критичности дефектов паллеты звено имеет определенный цвет:
- красный цвет – без ходового ролика;
- желтый цвет – без крышки ходового ролика, или неисправно крепление продольного уплотнения, или неисправна боковая пластина (без болта);
- зеленый – все остальные.
В регламенте замены обжиговых паллет определен срок устранения неисправностей. Например, срок устранения дефекта "без ходового ролика" – два часа. При обнаружении этого дефекта система определяет номер обжиговой паллеты с дефектом, отображает пиктограмму паллеты в красном цвете, выполняет периодическое оповещение оператора обжиговой машины о необходимости устранения дефекта в течение регламентного периода времени.
Предварительная оценка экономического эффекта проекта превышает затраты на их создание в несколько раз.
Экономический эффект достигается за счет:
- экономии мазута и электроэнергии на обжиг окатышей;
- сокращения аварийных простоев обжиговых машин по причине отсутствия ходового ролика.
Простой по причине отсутствия ходового ролика является самым критическим и одним из самых распространенных. Система видеоаналитики обжиговых паллет позволила более оперативно реагировать на возникновение неисправностей, обеспечить переход на стратегию ТОиР по техническому состоянию.
Рис. 3. Система видеоаналитики для контроля состояния паллет обжиговых машин
Мониторинг смещения конвейерной ленты
При неравномерной загрузке руды натяжные и направляющие ролики могут отклоняться от оптимального выравнивания ленточного конвейера и вызвать боковое смещение конвейерной ленты: ее край выходит за опорные ролики, и руда может просыпаться. В самом крайнем случае лента может съехать. Одна видеокамера и система компьютерного зрения контролируют смещение полосы в сторону и предупреждают оператора о предстоящем событии еще до возникновения бокового смещения.
В отличие от других технических решений данное имеет широкий диапазон измерений, может быть гибко запрограммировано на формирование уведомлений по нескольким критериям опасности.
Что впереди
В области видеоаналитики сейчас перед нами стоит несколько масштабных задач:
- мониторинг наличия зубьев фронтальных погрузчиков;
- контроль усталости водителей карьерных самосвалов, а также развитие существующих технических решений.
В этом году завершился проект внедрения частной LTE-сети. Беспроводная скоростная сетевая инфраструктура, развернутая во всех карьерах и на промплощадке, уже сейчас позволяет перейти к реализации проектов в области компьютерного зрения на новом уровне.
Иллюстрации предоставлены автором.
Опубликовано в журнале "Системы безопасности" № 3/2024
Все статьи журнала "Системы безопасности"
доступны для скачивания в iMag >>
