Производство
Машинное зрение
Крупный производитель сахара, входящий в агропромышленный холдинг. Предприятие использует собственное сырьё и перерабатывает 10–12 тыс. тонн свёклы в сутки. Годовой объём выпуска — свыше 100 000 тонн сахара и значительные объёмы побочной продукции.
Цвет — один из ключевых параметров при производстве сахара, его значение измеряется по международной шкале ICUMSA. Для разных типов продукции установлены свои допустимые диапазоны цветности. Превышение этих границ снижает качество готового продукта.
В технологическом процессе цвет формируется после того, как сахар отделяется от патоки в центрифуге и затем смешивается с соком или подготовленным конденсатом. Чем выше значение ICUMSA — тем темнее сахар и больше остаточной патоки.
Ранее проверка цветности осуществлялась вручную: оператор брал пробу, относил её в лабораторию, где проводился анализ. Пока шёл замер, линия продолжала работать — и в случае несоответствия параметрам вся прошедшая партия признавалась бракованной. Это приводило к переработке, списаниям и снижению общей эффективности производства.
Цели проекта
ML Sense — ИИ-платформа на базе компьютерного зрения, входящая в реестр российского ПО.
Команда Nord Clan провела выездную диагностику и предложила изменить изначальный подход: вместо размещения камеры у входа в центрифугу (где наблюдаются пар и взвеси), установить её после выхода продукта. Там сахар уже смешан с соком, а поток стабилен и прозрачен.
Для настройки системы ML Sense под конкретный технологический процесс требуется обучить нейросетевую модель на реальных данных с производства. На этапе подготовки совместно с лабораторией предприятия был организован сбор эталонных проб:
Таким образом формируется верифицированный датасет, содержащий пары: «фото продукта» — «измеренное значение ICUMSA». Далее инженеры обучают модель машинного зрения, которая впоследствии распознаёт цвет сахара на видеопотоке и сопоставляет его с заданными допусками.
При выходе значения за допустимые границы система активирует визуальное и звуковое оповещение, позволяя оператору немедленно отреагировать (например, изменить параметры центрифугирования или перенаправить поток).
Такая схема обеспечивает непрерывный, объективный и оперативный контроль качества, исключая задержки и потери, характерные для ручного анализа.