После взрыва в карьере на производство приезжает руда — камни, которые нужно раздробить в щебень, а щебень — перетереть в песок. Если на каждом этапе дробить слишком мелко, энергия будет перерасходоваться, а машины — изнашиваться. Если слишком крупно, перерасход и износ лягут на следующий этап.
Получается, нужно дробить по заданным параметрам. Проблема в том, что никто не знает, слишком мелко дробится руда или слишком крупно. Огромный конвейер едет со скоростью 3,15 м/с, на глаз ничего не определить. А ещё нужно знать фракционный состав руды.
В советские времена инженеры это решали специальным ведром. Зачерпывали руду раз в 24 минуты и клали в тестовый бункер. Через каждые пять зачерпываний содержимое бункера просеивали — после этого человек взвешивал, сколько руды осталось на каждом из сит. Потом по формуле высчитывались средние показатели за два часа. Проблема в том, что этого недостаточно — лаг измерений большой, а руда на конвейере сверху и снизу слоя отличается по размеру.
Сначала пробовали поискать лидар, но при такой скорости работы конвейера он стоит от пары миллионов рублей за штуку. На производстве нужно минимум шесть. Второй идеей была камера с лазерным проектором — по проекции полоски можно понимать её геометрическое искажение, а по нему — что именно едет на конвейере. Уже неплохо, но не решается главная задача — определять гранулометрический состав. В итоге решили попробовать машинное зрение.
Кажется, что всё просто: снимаем тысячу картинок, грустные люди обводят там каждый камень прямоугольником, скармливают их нейросети, она жужжит и выдаёт идеальный результат.
Но в цеху темно. Вместе с камерами пришлось повесить над конвейером прожекторы. Они позволили без проблем видеть контуры камней вместо тёмно-серого потока.
А ещё цех — это не хирургическая операционная. Камеры и прожекторы периодически пылятся. Пробовали использовать кожухи с дворниками и водой, пока не работает. В будущем поищем другие способы, а пока раз в два дня сотрудники цеха протирают камеру и прожекторы.
В итоге пришли к следующей схеме:
1_
Взяли данные с механического отбора за два часа как эталон количественного распределения фракций.
2_
Взяли фотографии за эти два часа примерно в моменты отбора и поставили в соответствие числам распределения, то есть получили основу для обучения.
3_
Повторили несколько сотен раз — сколько позволяла скорость механических отборов.
4_
Затем сгенерировали похожие материалы в 3D, чтобы обогатить выборку.
5_
Обучили математическую модель и провели тестовый анализ данных на разработанной математической модели.
К каким выводам пришла команда rdl by red_mad_robot, почему пришлось делать перекалибровку камеры и что в итоге получилось — читайте подробнее в статье НЛМК по ссылке.