ИИ заменил лабораторный контроль на входе в рудный комбинат: цифры эффективности
Компьютерное зрение теперь проверяет качество руды в реальном времени, сократив время анализа с 48 до 2 часов и повысив производительность на 15 %.
Что изменилось на комбинате
В начале 2026 года один из крупнейших российских рудных комбинатов решил заменить традиционный лабораторный контроль входящего сырья на автоматизированную систему компьютерного зрения. Проект был реализован совместно с командой AI‑инженеров, использующих открытые модели и кастомные датасеты, обученные на более чем 200 000 изображений слитков и шихты.
Ключевые цифры
- Время анализа упало с 48 ч до 2 ч благодаря мгновенной обработке видеопотока в реальном времени.
- Точность классификации достигла 96 %, что сопоставимо с результатами лабораторных методов.
- Производительность линии выросла на 15 %, так как задержки на входе исчезли.
- Сокращение отходов – уменьшение брака на 10 %, что экономит около 2 млн руб в год.
- Экономия персонала – 3 штатных аналитика переведены на задачи по оптимизации технологических параметров.
Как работает система
Камеры высокого разрешения фиксируют каждую партию руды, а нейросеть сразу же определяет содержание полезных минералов, размер гранул и наличие посторонних включений. При отклонении от заданных параметров система автоматически генерирует сигнал тревоги и отправляет данные в ERP‑систему предприятия.
Технологический стек
- OpenCV и PyTorch для предобработки изображений;
- Модели EfficientNet‑B4, дообученные на специфических данных комбината;
- Интеграция через REST‑API в существующую SCADA‑систему.
Подробности проекта и технические детали доступны в оригинальной статье на Habr AI link.
Для AI‑разработчиков это яркий пример того, как готовые модели могут быть быстро адаптированы к тяжёлой промышленности, принося ощутимую экономию. Студентам стоит обратить внимание на навыки работы с визуальными данными и интеграцию в SCADA‑системы – такие проекты будут в топе востребованности. Однако важно помнить о надёжности и валидации моделей в условиях экстремальных производственных сред.
