НовГУ создал ИИ-систему для контроля качества удобрений

Ученые из НовГУ разработали систему на базе ИИ, которая адаптируется к технологическим процессам в производстве удобрений. Система анализирует гранулы в реальном времени, обеспечивая непрерывный контроль качества продукции.

Исследователи из Передовой инженерной школы Новгородского государственного университета представили новую разработку — интеллектуальную систему, которая способна самостоятельно адаптироваться под различные технологические процессы производства удобрений. Эта инновация применяет нейросетевые алгоритмы и технологии машинного зрения для анализа минеральных удобрений в реальном времени, обеспечивая непрерывное качество продукции. Об этом событии сообщили ТАСС в пресс-центре университета.

Система размещается над конвейерной лентой и с помощью специальной камеры сканирует передвигающиеся гранулы удобрений. Нейросеть определяет контуры гранул, вычисляет их размеры на основе расстояния до фокуса камеры и сопоставляет с эталонными параметрами. Результаты анализа немедленно отображаются на графиках, что позволяет быстро корректировать производственный процесс, по данным университета.

Основное преимущество системы заключается в её способности к самообучению при взаимодействии с разными типами удобрений.

Контроль размера гранул крайне важен для производства удобрений, так как от него зависит их растворимость в почве. Если гранулы слишком мелкие, они оседают на поверхность почвы как пыль и разносятся ветром. Если они больше допустимого размера, то не долетают до необходимых участков, — пояснил Владислав Рысев, создатель системы.

Идея использовать нейросеть возникла после неудачи применения традиционных методов распознавания контуров, таких как операторы Робертса, Собеля, LoG и метод Канни.

Гранулы маленькие и одноцветные, поэтому на изображении они выглядели как белая каша, — добавил Рысев.

Разработанная система способна самостоятельно обучаться для сканирования как мелких гранул удобрений на химических производствах, так и крупных объектов, таких как каменные породы и круглые детали, на больших предприятиях. Эта работа была выполнена при финансовой поддержке Минобрнауки России в рамках Десятилетия науки и технологий.