• /
  • /

Морской торговый порт:
контроль целостности конвейерной ленты

АО «Находкинский морской торговый порт» — одна из крупнейших стивидорных компаний Дальнего Востока России. На территории порта работает конвейерное оборудование для транспортировки угля и других насыпных грузов.

Конвейерные линии эксплуатируются практически непрерывно, поэтому состояние ленты напрямую влияет на стабильность производственного процесса.
Решения для производства У меня похожая задача
контроль целостности конвейерной ленты

Задача

При транспортировке абразивных грузов конвейерная лента постоянно подвергается механическим нагрузкам. Со временем на полотне могут появляться порезы, надрывы и пробои.

Небольшое повреждение не всегда заметно при визуальном осмотре. При этом во время движения ленты дефект продолжает развиваться: проходя через ролики и пересыпные участки, он может увеличиваться и в дальнейшем привести к разрыву полотна.

До внедрения системы состояние ленты контролировали во время регулярных обходов. Для конвейера длиной около 2 км при скорости движения 3,5 м/с такой контроль требовал значительных трудозатрат. Кроме того, обход позволял увидеть только текущее состояние ленты. Даже обнаружив повреждение, оператору было сложно понять, насколько быстро оно развивается. Без точной фиксации местоположения дефекта его повторный поиск при следующем осмотре также занимал время.

Поэтому требовался постоянный автоматизированный контроль, который не просто фиксировал появление повреждений, но и позволял отслеживать их развитие.

Перед системой поставили две основные задачи:

  • непрерывно контролировать состояние ленты без остановки конвейера;
  • сохранять информацию о каждом повреждении и отслеживать его изменение во времени.

Решение

Для контроля конвейерной ленты на объекте внедрили систему на базе платформы машинного зрения ML Sense.

Платформа анализирует изображения с промышленной камеры и автоматически выявляет нарушения целостности полотна. При повторном прохождении одного и того же участка система сопоставляет новые изображения с ранее обнаруженным повреждением и формирует историю его изменения.

Такой подход позволяет перейти от отдельных визуальных осмотров к постоянному наблюдению за состоянием ленты.

Выбор участка для контроля

Перед установкой оборудования специалисты Nord Clan провели обследование конвейерной линии.

Для стабильной работы системы необходимо было выбрать участок, на котором поверхность ленты можно постоянно снимать с достаточным качеством. При этом требовалось учитывать особенности расположения оборудования, освещение и влияние внешних условий.

В качестве зоны контроля выбрали участок, где лента движется без груза и меняет направление. Здесь удалось организовать контролируемое освещение и получить стабильное изображение поверхности.
Выбор участка для контроля

Подготовка данных для обучения

Одной из особенностей проекта стало ограниченное количество исходных данных для обучения нейросетей.

В реальной эксплуатации заранее невозможно собрать примеры всех повреждений, которые могут появиться на ленте. Кроме того, имеющегося архива изображений дефектов было недостаточно для формирования полноценного датасета.

Поэтому часть обучающих данных команда Nord Clan подготовила самостоятельно. В лаборатории использовали реальные образцы конвейерных лент и сформировали на них различные виды повреждений. Полученные образцы сфотографировали и использовали для обучения алгоритмов.
Подготовка данных для обучения
Так удалось подготовить данные, максимально приближенные к условиям будущей эксплуатации системы.

Как устроен контроль

На выбранном участке установили пост машинного зрения. В его состав входят промышленная камера, защитный кожух, система освещения и обдува.

Защитное стекло камеры постоянно обдувается воздухом. Это препятствует оседанию пыли и угольной крошки и позволяет поддерживать необходимое качество изображения в процессе работы конвейера.
Как устроен контроль
Камера непрерывно снимает поверхность движущейся ленты. Изображения передаются в ML Sense, где система анализирует их и обнаруживает нарушения целостности полотна.

В частности, система фиксирует:

  • порезы;
  • надрывы;
  • пробои;
  • другие повреждения поверхности ленты.

При этом система не классифицирует дефекты по типам. Вместо этого она определяет их размеры и отслеживает изменения при последующих проходах ленты через зону контроля.
контроль целостности конвейерной ленты
Для заказчика такой подход оказался более практичным: при планировании ремонта важно прежде всего понимать, увеличивается ли повреждение и с какой скоростью.

От отдельного срабатывания — к истории дефекта

Основная особенность решения — возможность отслеживать не отдельное обнаружение, а развитие конкретного повреждения. Для этого на конвейере определили условную нулевую точку. Энкодер фиксирует движение ленты и позволяет рассчитывать положение каждого обнаруженного дефекта.

Когда поврежденный участок снова проходит через пост контроля, камера делает новый снимок. ML Sense сопоставляет его с ранее зарегистрированным событием и дополняет историю наблюдения.

В результате система накапливает данные о конкретном повреждении: где оно находится, какого размера достигло и как изменилось по сравнению с предыдущими наблюдениями.

Мнемосхема конвейера

Для работы с результатами контроля разработали мнемосхему всей конвейерной линии. На ней отображаются обнаруженные повреждения и их расположение на ленте. Дополнительные обозначения помогают оператору быстро определить нужный участок оборудования и найти дефект непосредственно на конвейере.

Таким образом, оператор получает в одном интерфейсе актуальную картину состояния всей ленты и может уделять больше внимания повреждениям, которые требуют контроля или ремонта.
Мнемосхема конвейера
Мнемосхема конвейера
Мнемосхема конвейера

Результат

В результате на предприятии появился инструмент непрерывного автоматизированного контроля конвейерной ленты.

Система позволяет:

  • уменьшить объём ручных обходов и трудозатраты на визуальный контроль;
  • быстрее находить повреждённые участки при проведении обслуживания;
  • отслеживать изменение каждого дефекта по мере эксплуатации ленты;
  • накапливать историю состояния конвейера вместо разовых результатов осмотров;
  • заранее выявлять повреждения, которые требуют ремонта;
  • планировать технические остановки и ремонтные работы до возникновения серьёзного повреждения ленты;
  • снизить риск аварийного разрыва полотна и незапланированного простоя оборудования.