Реальный кейс применения машинного зрения для распознавания гранулометрического состава руды

ML и AI в производственных компаниях

Внедрение и поддержка
Machine Learning
Рекомендации / ML
ML

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Предобученные нейронные сети — это всегда масса интересной информации для специалистов ML и Data Science. На примере распознавания гранулометрического состава руды Илья расскажет обо всех деталях работы с исходными данными для обучения, архитектуре нейронной сети и верификации результатов.

Целевая аудитория

IТ-специалисты, специалисты в области AI и ML, производство.

Тезисы

Добыча полезного сырья начинается с добычи руды и её измельчения в мельницах. Куски каменной породы, которые изначально весят тонны, измельчают до нескольких десятых миллиметров. Анализ состава руды на конвейерной ленте — важный этап в горнодобывающей промышленности, так как позволяет оценить качество ископаемого и размерность. Традиционно гранулометрический состав руды определяется вручную путем лабораторных исследований и визуального осмотра. Такой метод не самый быстрый, результатов можно дожидаться до 24 часов, к тому же большое значение имеет человеческий фактор.

Чтобы оперативно управлять процессом переработки и при минимальных затратах достигать максимального качества конечного продукта, необходимы онлайн-анализаторы. На помощь приходят решения на базе машинного зрения, которые оперативно контролируют качество руды в режиме реального времени.

В докладе мы рассмотрим реальный кейс на промышленном предприятии. Расскажем, какие проблемы были у производственного передела до внедрения, как мы подошли к решению этой задачи, какие «подводные камни» нас ожидали в процессе и как мы с ними справились. Обсудим универсальность такого решения и возможность его применения в других областях.

Руководитель практики ML/AI ГК Юзтех с опытом 15+ лет. Закончил Московский государственный университет им. М.В. Ломоносова и аспирантуру факультета ВМК. Кандидат физико-математических наук, автор более 30 научных работ в журналах уровня Applicable analysis, Mathematical and Computational Applications (MDPI), Journal of Marine Scince and Engineering. На протяжении последних 11 лет разрабатывает математические модели с использованием машинного обучения для разных классов задач. В последнее время активно занимается технологией траекторной обработки векторных трехмерных данных.

Видео

Другие доклады секции

ML и AI в производственных компаниях