Дары породы: ИИ научили разделять богатые и бедные руды
Как новые технологии увеличат рентабельность добычи в том числе редкоземельных металлов
0
EN
Следите за нашими новостями в удобном формате
Есть новость? Присылайте!
В России разработали образец установки, которая распознает полезные минералы в руде с помощью рентгеновских лучей и искусственного интеллекта. Оборудование анализирует породу на основе данных о внутренней структуре образцов. По словам разработчиков, точность анализа превышает 98%, а продуктивность — до нескольких десятков тонн в час в зависимости от специфики производства. Установка позволит обогащать широкий спектр рудного сырья, в том числе благородные и редкоземельные металлы.
Как обогащают руду с помощью ИИ
Инженеры из Уральского государственного горного университета (УГГУ) разработали первую в стране установку для обогащения полезных ископаемых с помощью рентгеновских лучей и искусственного интеллекта. Машина относится к классу XRT-сепараторов. Это оборудование предназначено для отделения ценных минералов от «пустой породы» на основании разницы в свойствах пропускания рентгеновских лучей.
Как объяснили специалисты, принцип работы сепаратора похож на процесс флюорографии живых организмов. Прибор просвечивает рентгеновским излучением куски каменной породы, которые движутся по конвейеру, и по снимку определяет, есть ли в них ценные компоненты. Анализ производится с помощью алгоритмов ИИ.
— Каждый минерал имеет свою уникальную рентгеновскую «подпись». Она зависит от плотности породы и ее химического состава. В нашем случае машинное зрение принимает решение о том, куда отсортировать материал — к концентратам или хвостам (пустой породе), — с точностью более 98%, — рассказал «Известиям» один из разработчиков, старший научный сотрудник научно-исследовательского лабораторного центра УГГУ Игорь Власов.
Он отметил, что XRT-сепарацию применяют по всему миру, но до сих пор отечественные предприятия использовали иностранное оборудование. При этом в разработке УГГУ в отличие от аналогов нейросеть одновременно изучает «рисунок» породы и измеряет глубину поглощения излучения. Таким образом решение принимается не только на анализе оттенков черного и белого на рентгеновских снимках, как в большинстве подобных аппаратов, но и на основе внутренней геометрии образца.
Чем отличается промышленный вариант установки
По словам специалиста, на данный момент разработанный лабораторный комплекс включает конвейерную ленту шириной около метра, а сортировку породы производит роборука. Ей требуется время на захват и перенос образцов в соответствующие контейнеры. Поэтому оборудование имеет невысокую продуктивность.
В промышленном варианте разделение породы будет производить пневмосистема. Она представляет собой множество маленьких сопел, в которых концентрируется сжатый воздух. Открытие клапанов будет производиться с помощью искусственного интеллекта. В нужный момент механизмы начнут «отстреливать» пустую породу в сторону. Ширина конвейерной ленты составит порядка 5 м. Расчетная производительность такой установки — до нескольких десятков тонн породы в час.
— Технологическая эффективность XRT-метода доказана, в частности, для рудного сырья цветных, черных, благородных, редкоземельных и драгоценных металлов. Результаты наших исследований также показали, что предложенный комплекс может разделять большой спектр руд. Сейчас разработка на этапе цифрового обучения, для чего создается объемная база данных, в которой классифицированы различные типы полезных ископаемых, — сообщил Игорь Власов.
Он пояснил, в дальнейшем нейросеть будет сортировать образцы по заданным критериям, которые учитывают условия конкретных производств. Предполагается, что для этого разработчики на этапе дообучения программы будут тесно взаимодействовать со специалистами предприятий.
— Искусственный интеллект предлагает разнообразные возможности. В том числе с его помощью можно оптимизировать производственные процессы, отслеживая, например, перемещение различных объектов. Также нейросети могут прогнозировать отказы оборудования, отслеживать качество продукции, контролировать соблюдение норм безопасности, — прокомментировала «Известиям» руководитель центра искусственного интеллекта Сибирского федерального университета Анна Пятаева.
По ее словам, делегирование этих функций искусственному интеллекту дает возможность предприятиям экономить на выполнении рутинных операций.
В свою очередь, старший научный сотрудник группы «Дизайн новых материалов» Института AIRI Алексей Коровин отметил, что перспективы внедрения алгоритмов ИИ могут охватить большинство звеньев производственных цепочек. В том числе в сфере добычи полезных ископаемых эти инструменты находят применение в геологоразведке, и в сфере автоматизации добычи, и в обогащении руды. При этом не менее важный аспект — применение алгоритмов искусственного интеллекта для разработки новых процессов и материалов, которые получают как из самих полезных ископаемых, так и из сопутствующих продуктов.
— Само понятие искусственного интеллекта трактуют широко, — отметил директор машиностроительной компании, которая обслуживает горнодобывающие предприятия, Дмитрий Подкаменный. — При этом нужно иметь в виду, что эти алгоритмы по своей сути стохастические, то есть основанные на случайной выборке данных.
Поэтому при внедрении таких инструментов следует закладывать вероятность ошибок, следовательно, заранее распределять ответственность за возможные последствия и создавать механизмы компенсации «оплошностей» искусственного интеллекта, заключил эксперт.
