Нейросети на службе у металлургов

НИТУ «МИСиС» совместно с ОЭМК имени А.А. Угарова завершает опытно-промышленную эксплуатацию автоматизированной системы распознавания клейма на литых заготовках, которая предотвращает смешивание различных марок стали и повышает точность и результативность работы операторов. Интеллектуальное решение на основе нейросетевых технологий разработано учёными СТИ НИТУ «МИСиС» совместно со специалистами комбината. За интеграцию программной части системы в производственные процессы отвечали инженеры-программисты ООО «Металло-Тех».

До сих пор сверка цифр клейма осуществлялась вручную: ошибиться мог и сам оператор, и работники склада, что влекло возможность непредвиденных финансовых потерь.

«Задача нетривиальная. Как оказалось, одно клеймо наносит машина, другое, в случае возникновения каких-либо правок, — люди вручную краской, — поясняет Дмитрий Полещенко, доцент кафедры автоматизированных и информационных систем управления СТИ НИТУ „МИСиС“. — На первый взгляд, это было похоже на распознавание номеров на автомобилях, что давно и успешно практикуется. Однако при анализе подобные системы показали свою непригодность, поэтому мы решили разработать собственный интеллектуальный проект, основанный на нейросетевых технологиях».

Нейронные сети — один из инструментов искусственного интеллекта, обладающий способностью обучаться и обобщать показанные в процессе примеры. В этой системе их пять, и каждая решает свою отдельную задачу (распознавание ручного и машинописного клейма, определение необходимости поворота картинки с камеры и др.). Разработчики рассказывают, что очень много времени ушло на сбор данных: порядка 10 тысяч фотографий торцов заготовок с клеймом, снятых с помощью установленной в рамках проекта высокоскоростной камеры, пришлось размечать (то есть отмечать на изображении каждую цифру клейма, чтобы нейронная сеть могла ее «увидеть» и «запомнить») вручную, затем ещё около 50 тысяч фото автоматизировано с помощью специально разработанной программы. На следующем этапе обучили порядка десяти видов нейронных сетей, каждую из которых — по нескольку десятков раз. Были отобраны сети, дающие максимальную точность распознавания клейма, разработан алгоритм их взаимодействия, после чего стало возможным интегрировать автоматизированную систему управления технологическим процессом комбината. В этом учёным способствовали сотрудники участка СПЦ № 1 ОЭМК, помогавшие с монтажом камеры и специализированного оборудования, а также консультировавшие по всем вопросам, касающимся производства.

«Для операторов это большое облегчение их работы, потому что автоматизированная система распознавания клейма конкретно определяет номер плавки и заготовки, подсвечивая оператору эти номера, что влияет на скорость его реакции и на производительность, — объясняет Евгений Ткач, начальник участка СПЦ № 1. — Мы увидели положительный результат, это будет подспорьем в нашей работе. Функции контроля с оператора ещё не сняты, он подтверждает данные машины, после чего заготовка с клеймом отправляется непосредственно на печи нагрева».

В планах разработчиков — улучшить качество изображения, которое приходит с камеры, и увеличить процент распознавания клейм, нанесённых краской, чтобы даже превысить показатели, которые заявлены в техзадании. Это возможно, так как уже накоплен достаточный опыт как в аппаратной части, так и в программной. В целом, задачи подобного класса являются очень актуальными для ОЭМК и Металлоинвеста. Их решение может принести существенный экономический эффект.

Наладка опытно-промышленной эксплуатации автоматизированной системы распознавания клейма на литых заготовках продлится до конца октября.

Поделиться