Барнаульские студенты передали сортировку гречки нейросетям
Будущие технологи АлтГТУ протестировали системы сортировки крупяной продукции на базе технологий искусственного интеллекта. Во время производственной практики в компании «Руспром Meyer» они разрабатывали сценарий сортировки гречихи, который позволяет отделять примеси, внешне схожие с основным продуктом.
Будущие технологи АлтГТУ протестировали системы сортировки крупяной продукции на базе технологий искусственного интеллекта. Во время производственной практики в компании «Руспром Meyer» они разрабатывали сценарий сортировки гречихи, который позволяет отделять примеси, внешне схожие с основным продуктом.
Третьекурсники Иван Руднев и Ян Врон работали на практике с оборудованием для оптической сортировки сырья. Им нужно было настроить программу так, чтобы она видела дикую редьку и другие примеси, которые по цвету похожи на крупу, но отличаются формой и поверхностью. Студенты задали программе, что считать хорошим продуктом и браком, выставили нужные настройки на машине, прогнали тестовую партию и посмотрели, как оборудование справилось с сортировкой.
Настроенный студентами сценарий — это набор параметров под конкретный вид крупы и её примеси. Система смотрит на несколько признаков сразу: цвет, форму, контуры, структуру поверхности, поэтому может отделять то, что не различается только по цвету.
На практике ребята по очереди пробовали разные технологии контроля качества: обычную сортировку по цвету на RGB‑камерах, работу с более чёткими UHD‑камерами, камеры ближнего инфракрасного диапазона для оценки внутренней структуры зерна и рентген‑детекторы для поиска минеральных включений. Отдельно они познакомились с сортировкой пластика и разделением разных видов полимеров, чтобы увидеть, как одинаковый принцип настройки применяется к разным материалам.
«У каждого предприятия свои требования к качеству готовой продукции, поэтому программа сортировки создаётся под конкретное сырьё и задачи заказчика. Сначала специалист определяет, что считать годным продуктом, какие дефекты и примеси необходимо удалить и по каким признакам оборудование сможет их распознать. Эти критерии задаются в специальной программе. Затем специалист проводит тестовую сортировку и оценивает результат. При необходимости настройки корректируются. Мы постарались показать студентам весь этот процесс, а не только работу оборудования», – рассказал куратор практики, инженер компании «Руспром Meyer» Михаил Яценко.
Технологии на базе AI и глубокого обучения всё чаще применяются там, где продукт сложно классифицировать только по цвету. В таких случаях становятся важны форма зерна, структура поверхности, плотность и состав сырья. Практика с элементами настройки AI‑сортировки помогает студентам ориентироваться в этих подходах и готовит их к работе с современным оборудованием на реальных производственных площадках.
Технологию AI Deep Learning для сортировки сырья компания «Руспром Meyer» начала применять в России в 2023 году. Сейчас такие решения используют при работе с продукцией, которую сложно классифицировать только по цвету: система учитывает форму, структуру поверхности и другие признаки сырья.
Компания «Руспром» работает с 2007 года; направление фотосепараторов и рентген-детекторов Meyer на российском рынке развивается с 2019 года. Оборудование используют предприятия агропромышленной, пищевой и перерабатывающей отраслей, а в демозалах компании проводят тестовые сортировки сырья и подбирают технологию под конкретные производственные задачи.
