Периодическое издание города Кунгур актуальные новости и обозрение
Издается с февраля 2004 г.
Пермское время
13:10
Суббота, 24 Октября
Рекламный баннер 990x90px top
Ученые ПНИПУ научили нейросеть сокращать потери калийных удобрений при производстве
11:46 22.10.2026 16+
Ученые Пермского Политеха обучили нейросеть отслеживать ключевые параметры очистки руды от примесей, повысив точность контроля до 96%. Статья опубликована в журнале Горный информационно-аналитический бюллетень.
Калийные удобрения важны для урожайности и продовольственной безопасности. Они укрепляют растения, повышают устойчивость к засухе и болезням.
Для получения этих удобрений добывают калийную руду. Извлеченная из недр порода это не чистое сырье, а хаотичная смесь. В ней вперемешку находятся и ценные калийные соли (сильвинит, карналлит), и бесполезные примеси глинистые шламы и галит (обычная поваренная соль).
Для разделения сырья обычно используется метод флотации. С помощью воздуха и мыльных пузерей отделяют полезные и бесполезные материалы. Для этого пересыщенный раствор руды (пульпу) помещают в емкость. Туда же добавляют реагенты, а снизу подают воздух. По всей толще жидкости начинает подниматься множество пузырьков, напоминая кипение.
Реагенты подбираются так, что на первой стадии пузырьки выталкивают на поверхность нерастворимые шламы мелкие примеси, которые не нужны в готовом продукте. Их удаляют. На второй пузырьки поднимают уже сами частицы хлорида калия то, ради чего ведется обогащение. Их собирают и перерабатывают в удобрения. После этого в растворе остается хлорид натрия обычная поваренная соль. Ее отправляют в отвалы (складирование отходов).
Поверхность пульпы на обеих стадиях покрывается пеной. Ее собирают вращающиеся механизмы пеногоны. Они похожи на вентиляторы: лопасти сгребают пену в лоток, чтобы потом превратить ее в удобрения.Такие флотационные машины основа калийной промышленности. В России они работают на всех крупных горно-обогатительных комбинатах. В общей сложности на этих предприятиях эксплуатируются сотни единиц такого оборудования, ежегодно перерабатывающего десятки миллионов тонн руды.
Качество пены главный индикатор того, правильно ли идет процесс. Любое отклонение сигнализирует о сбое: изменился состав руды, нарушилась подача реагентов. Если вовремя не заметить проблему, часть ценного калия вместо того, чтобы стать удобрением, уходит в отвалы.
Изначально за этим следили операторы, но они не могут одновременно наблюдать за десятками флотомашин в отделении. Поэтому ранее ученые Пермского Политеха создали первую в России и до сих пор единственную систему на основе компьютерного зрения, которая анализирует не пену, а блики от нее. Каждый пузырек отражает свет, как зеркальце, а камера фиксирует эти блики света. Программа в реальном времени отслеживает параметры пены и, если замечает отклонения, подает сигнал сотруднику тот вовремя корректирует процесс.
Точность такой модели составила около 90%. Сейчас, чтобы усовершенствовать систему, ученые дополнили ее нейросетевым модулем. Теперь она лучше учитывает положение рабочих элементов флотомашины, которые периодически закрывают обзор. Благодаря этому эффективность контроля повысилась до 96% количество пропущенных циклов сократилось на 5,1% по сравнению с предыдущей версией, что потенциально позволяет дополнительно извлекать сотни тысяч тонн продукта.
Большой проблемой было распознавание положения пеногона в кадре, ведь система анализирует видео только в те моменты, когда лопасти не перекрывают обзор. Пеногон по-разному устроен на разных заводах, и наши старые алгоритмы не всегда справлялись с распознаванием новых для нас конструкций. Поэтому мы решили использовать искусственный интеллект. Вручную разметили несколько сотен кадров, определив на них положение пеногона, и на этой выборке обучили нейросеть, рассказал профессор, заведующий кафедрой Автоматизация технологических процессов Березниковского филиала ПНИПУ, доктор технических наук Андрей Затонский.
Чтобы проверить, насколько хорошо модель усвоила задачу, ученые использовали кадры, которые нейросеть раньше не видела. Если модель успешно справлялась с незнакомыми изображениями, то значит, она научилась распознавать нужные объекты, а не просто запомнила картинки.
Результаты показали, что нейросеть определяет положение пеногона правильно в 96% случаев. При этом модель не просто запомнила примеры, а действительно научилась понимать, как выглядит объект. Количество ошибок на новых, незнакомых ей кадрах снизилось на 36%. В итоге мы получили инструмент, который делает мониторинг флотации более надежным и точным, объяснил Андрей Затонский.
Точный мониторинг помогает вовремя замечать отклонения и корректировать параметры процесса, не дожидаясь брака. В конечном счете это способствует более эффективному использованию руды, что особенно важно в условиях растущего спроса на минеральные удобрения и необходимости обеспечивать продовольственную безопасность, отметили в Политехе.
Калийные удобрения важны для урожайности и продовольственной безопасности. Они укрепляют растения, повышают устойчивость к засухе и болезням.
Для получения этих удобрений добывают калийную руду. Извлеченная из недр порода это не чистое сырье, а хаотичная смесь. В ней вперемешку находятся и ценные калийные соли (сильвинит, карналлит), и бесполезные примеси глинистые шламы и галит (обычная поваренная соль).
Для разделения сырья обычно используется метод флотации. С помощью воздуха и мыльных пузерей отделяют полезные и бесполезные материалы. Для этого пересыщенный раствор руды (пульпу) помещают в емкость. Туда же добавляют реагенты, а снизу подают воздух. По всей толще жидкости начинает подниматься множество пузырьков, напоминая кипение.
Реагенты подбираются так, что на первой стадии пузырьки выталкивают на поверхность нерастворимые шламы мелкие примеси, которые не нужны в готовом продукте. Их удаляют. На второй пузырьки поднимают уже сами частицы хлорида калия то, ради чего ведется обогащение. Их собирают и перерабатывают в удобрения. После этого в растворе остается хлорид натрия обычная поваренная соль. Ее отправляют в отвалы (складирование отходов).
Поверхность пульпы на обеих стадиях покрывается пеной. Ее собирают вращающиеся механизмы пеногоны. Они похожи на вентиляторы: лопасти сгребают пену в лоток, чтобы потом превратить ее в удобрения.Такие флотационные машины основа калийной промышленности. В России они работают на всех крупных горно-обогатительных комбинатах. В общей сложности на этих предприятиях эксплуатируются сотни единиц такого оборудования, ежегодно перерабатывающего десятки миллионов тонн руды.
Качество пены главный индикатор того, правильно ли идет процесс. Любое отклонение сигнализирует о сбое: изменился состав руды, нарушилась подача реагентов. Если вовремя не заметить проблему, часть ценного калия вместо того, чтобы стать удобрением, уходит в отвалы.
Изначально за этим следили операторы, но они не могут одновременно наблюдать за десятками флотомашин в отделении. Поэтому ранее ученые Пермского Политеха создали первую в России и до сих пор единственную систему на основе компьютерного зрения, которая анализирует не пену, а блики от нее. Каждый пузырек отражает свет, как зеркальце, а камера фиксирует эти блики света. Программа в реальном времени отслеживает параметры пены и, если замечает отклонения, подает сигнал сотруднику тот вовремя корректирует процесс.
Точность такой модели составила около 90%. Сейчас, чтобы усовершенствовать систему, ученые дополнили ее нейросетевым модулем. Теперь она лучше учитывает положение рабочих элементов флотомашины, которые периодически закрывают обзор. Благодаря этому эффективность контроля повысилась до 96% количество пропущенных циклов сократилось на 5,1% по сравнению с предыдущей версией, что потенциально позволяет дополнительно извлекать сотни тысяч тонн продукта.
Большой проблемой было распознавание положения пеногона в кадре, ведь система анализирует видео только в те моменты, когда лопасти не перекрывают обзор. Пеногон по-разному устроен на разных заводах, и наши старые алгоритмы не всегда справлялись с распознаванием новых для нас конструкций. Поэтому мы решили использовать искусственный интеллект. Вручную разметили несколько сотен кадров, определив на них положение пеногона, и на этой выборке обучили нейросеть, рассказал профессор, заведующий кафедрой Автоматизация технологических процессов Березниковского филиала ПНИПУ, доктор технических наук Андрей Затонский.
Чтобы проверить, насколько хорошо модель усвоила задачу, ученые использовали кадры, которые нейросеть раньше не видела. Если модель успешно справлялась с незнакомыми изображениями, то значит, она научилась распознавать нужные объекты, а не просто запомнила картинки.
Результаты показали, что нейросеть определяет положение пеногона правильно в 96% случаев. При этом модель не просто запомнила примеры, а действительно научилась понимать, как выглядит объект. Количество ошибок на новых, незнакомых ей кадрах снизилось на 36%. В итоге мы получили инструмент, который делает мониторинг флотации более надежным и точным, объяснил Андрей Затонский.
Точный мониторинг помогает вовремя замечать отклонения и корректировать параметры процесса, не дожидаясь брака. В конечном счете это способствует более эффективному использованию руды, что особенно важно в условиях растущего спроса на минеральные удобрения и необходимости обеспечивать продовольственную безопасность, отметили в Политехе.
ЧИТАТЬ ТАКЖЕ ПО ТЕМЕ
- ПОПУЛЯРНО
- КОММЕНТАРИИ
В Кунгуре мать-одиночка...
22.10.2026
37217
Работник администрации,...
19.10.2026
29336
Беспилотники сбили днём над...
17.10.2026
17176
Кунгурским судом вынесен...
20.10.2026
16460
Медсестра из Прикамья Дарья...
23.10.2026
13949
В Перми 24-летнюю мастера...
18.10.2026
13393
ПОЛЕЗНЫЕ РЕСУРСЫ
МЫ В СОЦСЕТЯХ
ПОДПИСКА НА НОВОСТИ
Рекламный баннер 300x250px rightblock
Оставить сообщение: