Главная / Реализованные проекты / Сортировка огнеупоров

Автоматизация сортировки огнеупоров: кейс с применением NIR-технологии

Горно-металлургическая отрасльNIR-технологияТочность 94%

Горно-металлургическое предприятие обратилось с задачей автоматизировать сортировку отработанных огнеупоров. Сложность в том, что все виды огнеупоров внешне очень похожи между собой — различия в цвете и форме минимальны.

01Задача
  • Автоматизировать сортировку отработанных огнеупоров
  • Заменить ручной труд
02Решение
03Результат
  • Точность анализа — 94%

Задача

Предприятию требовалось разделить поток отработанных огнеупоров на пять видов материала:

Ключевые требования: высокая скорость и точность сортировки, замена ручного труда и повышение эффективности переработки.

Ход исследования

Этап 1. Видимый диапазон (VIS)

Сначала образцы отсняли RGB-камерой. Результат подтвердил исходную гипотезу: в видимом диапазоне образцы практически не отличаются друг от друга — сортировка только по цвету и форме невозможна.

Рис. 1. Результат съёмки образцов на RGB-камеру
Рис. 1. Результат съёмки образцов на RGB-камеру

Этап 2. Инфракрасный диапазон (NIR)

Далее материал исследовали гиперспектральными камерами в диапазонах 1700 нм и 2500 нм. Съёмка выявила спектральные «отпечатки» материалов — уникальные для каждого вида огнеупора кривые отражения, невидимые человеческому глазу.

Рис. 2. Гиперспектральные «отпечатки» образцов
Рис. 2. Гиперспектральные «отпечатки» образцов

Этап 3. Обучение нейросети

Система анализировала данные с двух камер и окрашивала пиксели изображения в зависимости от распознанного материала:

МатериалОбозначениеЦвет на карте распознавания
АлюмокарбидкремнийуглеродистыеАККУрозовый
АлюмопериклазоуглеродистыеАПУзелёный
ПериклазоуглеродистыеПУсиний
Огнеупорный бетон с оксидом алюминияAl₂O₃красный
Шамотное изделиешамотбелый
Рис. 3. Слева: визуализация снимка с гиперспектральной камеры. Справа: результат анализа снимка с гиперспектральной камеры с помощью нейросети
Рис. 3. Слева: визуализация снимка с гиперспектральной камеры. Справа: результат анализа снимка с гиперспектральной камеры с помощью нейросети

Результаты тестирования

Из 109 проб неправильно классифицированы только 6 образцов. Наилучший результат показала камера в диапазоне 2500 нм.

Рис. 4. Матрица результата: синие элементы по диагонали — верные варианты, остальное — ошибки
Рис. 4. Матрица результата: синие элементы по диагонали — верные варианты, остальное — ошибки
Средняя точность сортировки составила 94% — эффективность предложенной технологии подтверждена.

Вывод

Комбинация VIS- и NIR-технологий с искусственным интеллектом позволяет различать визуально схожие материалы, которые невозможно разделить по цвету и форме. Это открывает возможность автоматизировать сортировку там, где раньше применялся только ручной труд.

Хотите проверить технологию на своём материале? Оставьте заявку — проведём тестовую сортировку ваших образцов в тестовом центре.

Оборудование из кейса

Модели, которые применялись в этом проекте.

Другие проекты

Как ИК-спектроскопия помогла найти золото в руде с точностью 99,99%

Как ИК-спектроскопия помогла найти золото в руде с точностью 99,99%

Одна установка — две задачи: как технология Double Track меняет подход к сортировке

Одна установка — две задачи: как технология Double Track меняет подход к сортировке

Автоматическое извлечение инородных объектов из рудопотока

Автоматическое извлечение инородных объектов из рудопотока

Проверим технологию на вашем материале

Пришлите образцы — проведём тест в собственном тестовом центре в Екатеринбурге.