Как искусственный интеллект помогает снизить вредные выбросы в атмосферу на металлургическом производстве.

Якобчук Денис, директор ООО "РнД МГТУ"

Transcript

1. Как искусственный интеллект помогает снизить вредные выбросы в атмосферу на металлургическом производстве
2. Реализуемый проект Разработка системы и технологии автоматического распознавания степени газования коксовой батареи №7-8 на основе математического моделирования видеообразов и термограмм
3. Цель проекта Помощь в снижении выбросов бензопирена в окружающую среду от коксовой батареи Создание системы автоматического определения газования Контроль за соблюдением регламентов и технологии производства Контроль качества ремонта дверей батареи В рамках работ по проекту разработан программно- аппаратный комплекс, объединяющий камеры видеонаблюдения, модули анализа видеопотока, серверирабочее местосменногомастера.
4. В качестве модуля анализа разработано программное обеспечение на основе свёрточных нейронныхсетей. Для технического оснащения разработан аппаратный комплекс, получивший название смарт-модуль, и различное ИТ-оборудование. Смарт-модуль
5. Камеры Смарт-модули С каждой камерой связано программно- техническое устройство, отвечающее за аналитический модуль и передачу данных на сервер. Камера Установленное оборудование Смарт-модуль
6. Процесс анализа видеопотока Видеокамера фиксирует фактическое состояние коксовой батареи и передает изображение на вычислительнуюплату смарт-модуля. Далее первая свёрточная нейронная сеть отсеивает секции батареи на изображении, перекрытые коксовыталкивателем илилюбымдругим объектом. Затем вторая свёрточная нейронная сеть анализирует не перекрытые участки и отправляет номер двери,где происходит утечкагаза,насервервместесизображением. ПО сервера отображает сигналы в графическом интерфейсе для технического персонала батареи. Смарт-модуль Сервер АРМ Камеры
7. Сервер и АРМ ПО сервера обрабатывает сигналы смарт-модулей. Сервер рассчитан на хранение 1-го месяца круглосуточной записи с камер и фотографий случаев утечки газа сроком до 6-ти месяцев. Оборудовано автоматизированное рабочее место (АРМ), где в реальном времени транслируется видео с установленных камер и отображается состояние дверей батареи на мнемосхеме с помощью цветовой индикации.
8. По окончанию отчетного периода система подает сигнал о необходимости осмотра дверей батареи, в которых за прошедший период часто происходили утечки. Список требующих осмотра дверей находится в разделе графического интерфейса, показанном на слайде. Данный интерфейс поддерживает возможность составления отчетов о газованияхза любой выбранный период. Рекомендации по осмотру АРМ
9. Программа по обнаружению коксового газа В ходе реализации программной части была выбрана архитектура, которая включает в себя две нейронных сети: Первая нейронная сеть отвечала за отсеивание коксовыталкивателя и людей; Вторая же за обнаружение газа на батарее. В качестве основы были выбраны свёрточные нейронные сеть, написанные при помощи Tensorflow.
10. Визуализация и обработка данных с газованиями коксовых батарей На рисунке показаны изображения после полной обработки (изменение контраста, яркости, зануление областей изображения для упрощения формирования признаков), которые уже и подаются в модель. Для удобной отладки и визуализации прямоугольники загораются красным, если в зоне обнаружен коксовый газ. Если же газа нет, то прямоугольник остается зеленым. Преобразование
11. Формирование данных Самым длительным процессом является формирование данных. Для этого было написано множество различных программ, упрощающих этот процесс. Сначала размечаются видео. Каждые 100 кадров анализируются в ручную. Далее человек оставляет пометку в txt файле о событии, которое произошло за это время (события изображены в виде массивов из нулей и единиц). Далее эти метки обрабатываются алгоритмом и генерируются изображения, разделенные на несколько классов и зон. После, сохраненные изображение проходят стадию обработки, где на выходе получаются огромные массивы данных в формате npy.
12. Создана система Результаты проекта Создана функция Развитие Система автоматического определения газования коксовой батареи с фиксацией и выводом сигнализации по степени газования. Автоматическое распознавание степени газования коксовых батарей В интерфейсе АРМ создана функция для контроля за соблюдением регламентов и технологии производства кокса, а также контроля за качеством выполненного ремонта дверей коксовой батареи. В рамках развития системы реализуется применение комплекса на остальных коксовых батареях для повышения результативности их работы. В настоящее время устанавливаются цифровые камеры на угольной башне коксовой батареи №13-14.
13. Реализуемый проект Определение сверхнормативных выбросов в атмосферу на технологических объектах ПАО «ММК»
14. Камеры Сервер Мнемосхема Установленное оборудование Программное обеспечение Сигналы Разработано программное обеспечение для анализа видеоматериалов с 4-х камер, которые определяют сверхнормативные выбросы с дымовых труб и неорганизованных источников на объектах ПАО «ММК». Реализована отправка на мнемосхему сигналов о наличии слабых и сильных выбросов на технологических объектах ПАО «ММК»: коксовый цех, доменный цех, ЭСПЦ, ККЦ, ПВЭС №2. Мнемосхемы Разработаны мнемосхемы для визуального отображения сигналов о выбросах.
15. Алгоритм системы распознавания выбросов На изображении выделяются области интереса и вектор признаков сверхнормативных выбросов. Вектор подается в обученную нейросеть, которая определяет наличие выбросов на производственных объектах и их интенсивность. По данным, полученным из нейросети, формируется сигнал и отправляется на мнемосхему, где преобразуется в визуальное отображение.
16. Для подачи в модель, которая обнаруживает выброс, не достаточно передать просто изображения, на котором отображены выбросы. Их необходимо обработать. Для выделения признаков используется HOG (дескрипторы особых точек, которые используются в компьютерном зрении и обработке изображений с целью распознавания объектов). Обработка данных с выбросами
17. Обработка данных с выбросами В модель подается даже не изображение, а вектор значений, который несёт в себе полезную информацию, присущую выбросу. Именно эта ценная информация и позволяет модели (при большом количестве разнообразных примеров) отличать то, что находится в области,выделенной четырехугольником. Результат после обработки HOG изображения
18. Модель по определению выбросов В качестве модели, которая отвечает за выделение признаков из двух классов используется Adaboost (SVM в данной задаче показал более худший результат). На рисунке изображен процесс передачи данных в модель, на которых она будет обучаться. После запуска этого кода модель незамедлительно начнет обучение с дальнейшим изменением весовых коэффициентов по которым и будут строиться ключевые признаки, присущие тому или иному классу.
19. Визуализация работы программы Сильные выбросы 4 мая 18:04-18:46 Слабые выбросы 4 мая 17:42-18:01
20. Мнемосхема. Общий вид На мнемосхеме наличие сигнала с камер и наличие выбросов на объектах определяется цветовой индикацией: Зеленый – нет выбросов; Желтый – слабые выбросы; Красный – сильные выбросы; Серый – нет сигнала с камеры. Общий вид позволяет получать краткую сводку о выбросах за сутки по каждому из объектов. Краткая сводка
21. Гистограммы отчетов На основе отчетов, полученных от системы составляются гистограммы, характеризующие наличие и степень выбросов на батарее №7-8 в период с 28-го апреля по 5-ое мая текущего года.
22. Гистограммы отчетов Наличие и степень выбросов на батарее №13-14 в период с 28-го апреля по 5-ое мая текущего года.
23. Отчеты системы По согласованию с ЛООС составлена форма суточного отчета для каждого технологического объекта:
24. Создана система Результаты проекта Отлажена Создана система автоматического определения сверхнормативных выбросов на технологических объектах ПАО «ММК»: коксовый цех, доменный цех, ЭСПЦ, ККЦ, ПВЭС №2. Определение сверхнормативных выбросов Подача сигналов о выбросах на созданные мнемосхемы и составление отчетов.
25. +7(3519) 33 01 51 rnd-mgn.ru mail@rnd-mgn.ru г. Магнитогорск, ул. Ленинградская, 79/14 ВНЕДРЯЕМ ИННОВАЦИОННЫЕ РЕШЕНИЯ НА ПРОМЫШЛЕННЫЕ ПРЕДПРИЯТИЯ Директор: Якобчук Денис Леонидович +7(963) 093 33 11 Yakobchuk.dl@rnd-mgn.ru