Statanly Technologies ∘ Искусственный интеллект ∘ Машинное обучение ∘ Компьютерное зрение ∘ Анализ данных

1

Анализ гранулометрического состава

Система компьютерного зрения для контроля фракционного состава материала, выявления негабарита, примесей и расчета технологически значимых характеристик в потоке.

Компьютерное зрение ГМК Промышленная аналитика Контроль качества

Визуальный анализ материала

**Существующее решение** Пример промышленной точки контроля.

**Описание процесса** Выделение объектов и расчет гранулометрических характеристик.

Задача и подход

Гранулометрический состав показывает распределение частиц материала по размерам. Ручной лабораторный контроль и визуальная оценка дают выборочную картину и часто запаздывают относительно реального технологического процесса.

Система машинного зрения анализирует поверхность материала, выделяет частицы, оценивает размерные признаки и помогает оперативно выявлять отклонения, негабарит и потенциально опасные включения.

Потенциальная точность В тестах нейросетевой подход показал точность около 94–95% при сегментации объектов.

Что дает система

обнаружение и оценка размеров отдельных гранул;
идентификация примесей и инородных объектов;
классификация материала по размерным классам;
снижение ручных операций и ошибок визуального контроля;
данные для управления дроблением и предупреждения аварийных режимов.

Сравнение методов сегментации

Класс	Реальное положение: камни	Реальное положение: фон	Точность	Полнота	Время на кадр
Камни	TP = 736	FP = 490	60%	84%	0.04 с
Фон	FN = 134	TN = 0	60%	84%	0.04 с

Класс	Реальное положение: камни	Реальное положение: фон	Точность	Полнота	Время на кадр
Камни	TP = 947	FP = 56	94,4%	94,9%	0.09 с
Фон	FN = 23	TN = 0	94,4%	94,9%	0.09 с

Интерфейс и работа системы

Интерфейс системы — **Главный интерфейс** Видеопоток, текущие измерения, графики и распределения.

**Настройка камер** Актуальная информация о подключенных источниках данных.

**Пример установки** Камера, подсветка и изображение из зоны контроля.

Система в режиме работы — **Работа системы** Анализ гранулометрического состава в реальном времени.

**Сегментация объектов** Выделение частиц и расчет технологических характеристик.

2

Анализ движения объектов

Система для анализа движения людей, транспорта и произвольных объектов: контроль потоков, пересечение линий, зоны присутствия и события в видеопотоке.

Обнаружение объектовТрекингПотоки и зоныYOLO / CV

Анализ движения объектов — **Трекинг объектов** Отслеживание движения в кадре.

Описание системы

Решение позволяет быстро развернуть промышленный модуль анализа движения: от мониторинга дорог и КПП до контроля потоков в торговых центрах, цехах и производственных зонах.

Пользователь может размечать линии, зоны и области интереса на изображении. Система фиксирует пересечение линий, присутствие объекта в зоне и другие события.

детекция и сопровождение объектов в видеопотоке;
подсчет пересечений линий и контроль направлений;
контроль опасных и технологических зон;
работа днем и ночью при разном освещении;
возможность использовать результат как API-событие.

**Определение опасных зон** Настройка областей и правил контроля.

**Прибытие в заданную область** Пример события по зоне.

3

Анализ флотационной картины

Компьютерное зрение для анализа пенного слоя: размер и форма пузырьков, цветность, динамика, скорость движения и события технологического процесса.

ФлотацияСегментацияПенный слойГМК

**Процесс флотации** Исходная производственная сцена.

**Флотационная камера** Цилиндрическая камера и зона наблюдения.

Пена — **Мелкая и крупная пена** Различные состояния пенного слоя.

Что анализируется

Система определяет размер пузырьков, количество пузырьков и скорость движения пены методами компьютерного зрения. Аналитика помогает технологу быстрее оценивать состояние флотационного процесса.

цветность и насыщенность пенного слоя;
распределение диаметра пузырьков;
скорость движения и время жизни пузырьков;
сегментация и построение контуров;
отслеживание динамики во времени.

Контуры пузырьков — **Исходное изображение и контуры** Вычисление границ объектов.

**Обучающая выборка** Формирование разметки методом водораздела.

**U-Net** Обучение нейронной сети для выделения крупной пены.

4

Анализ параметров тормозной системы доменной печи

Система оценивает движение и положение элементов тормозной системы, рассчитывает расстояния и предупреждает об отклонениях от заданных значений.

Измерение расстоянийСегментацияТрекингТочность до 1 мм

**Исходный кадр** Положение узла в кадре.

Описание системы

На вход система получает видеопоток, видеофайл или набор фотографий и определяет характеристики процесса: фактическое сжатие и разжим тормозных колодок, расстояния между объектами и отклонения от заданных параметров.

захват объекта и извлечение контура;
вычисление расстояний в пикселях;
перевод расстояний в метрическую систему;
отслеживание объектов во времени;
предупреждение об отклонениях.

Точность В рамках проекта достигалась ориентировочная точность измерений около 1 мм.

**Вычисление расстояния** Пример расчетной метрики.

5

Классификация деталей

Система распознает тип детали, артикул и характеристики, помогает выявлять бракованные элементы и автоматизировать работу с номенклатурой.

КлассификацияКонтроль качества3800 классовТочность до 99,9%

Обзор системы

Фотография детали используется как входной параметр. Результатом является классификация детали и отнесение ее к одному из классов номенклатуры. Система позволяет добавлять новые виды деталей и формировать данные для печати этикеток.

классификация деталей и объектов;
выявление брака и отклонений;
распознавание геометрических характеристик;
быстрое дообучение под новые виды деталей;
интеграция с внутренней инфраструктурой предприятия.

Точность Оценочная точность системы — около 99,9%.

**Анализ точности** Проверка работы с несколькими камерами.

**Особенности системы** Ключевые функциональные блоки.

**Процесс внедрения** Этапы запуска решения.

Примеры обучающих и тестовых данных

**Тестирование** Пример валидационной выборки.

6

Распознавание характеристик домохозяйств по снимкам

Анализ аэрофотосъемки и спутниковых изображений для классификации домохозяйств, сопоставления снимков и формирования полетных заданий.

АэрофотосъемкаСпутниковые снимкиКлассификацияУрбанистика

Описание системы

В рамках проекта реализованы задачи анализа снимков и классификации характеристик домохозяйств.

выделение ключевых признаков для классификации;
разработка алгоритмов классификации домохозяйств;
сопоставление снимков с БПЛА со спутниковыми снимками;
формирование полетного задания при недостаточности спутниковых данных;
оптимизация маршрута и состава полетного задания.

**Пример 6** Дополнительная сцена для анализа.

7

Определение степени поризации

Система контроля поризации гипсовой массы на этапе формирования гипсокартонного листа.

Контроль качестваПоризацияСегментацияПромышленность

**Пример поризации** Изображение структуры материала.

Описание системы

Введена в эксплуатацию система определения степени поризации и соответствия гипсовой массы эталону на этапе формирования гипсокартонного листа.

Решение автоматизирует контроль качества поризации, снижает количество бракованных изделий и уменьшает зависимость от ручного визуального контроля.

**Сегментация** Выделение структуры материала.

8

Контроль линии сборки на моторном предприятии

Система машинного зрения для контроля нанесения герметика, проверки сборочных операций и раннего выявления дефектов на производственной линии.

МашиностроениеКонтроль сборкиДефектыПроизводственная линия

Пример контроля — **Пример 1** Контроль операции на линии.

Описание системы

Система контролирует нанесение линии герметика на блок цилиндров и помогает выявлять двигатели с дефектами на начальной стадии для оперативного устранения.

Решение также используется для контроля правильности установленных траверс на каждой паре клапанов с возможностью световой и звуковой сигнализации при выявлении отклонений.

**Контроль процесса сборки** Производственная линия и зона контроля.

Нужна похожая система для вашего процесса?

Мы можем адаптировать существующие AI-модули под ваш производственный контур, камеры, оборудование, материалы и требования к отчетности.

Приложения системы

Прикладные AI-проекты STATANLY

Визуальный анализ материала

Задача и подход

Что дает система

Сравнение методов сегментации

Интерфейс и работа системы

Описание системы

Что анализируется

Описание системы

Обзор системы

Примеры обучающих и тестовых данных

Описание системы

Описание системы

Описание системы

Нужна похожая система для вашего процесса?