В основе системы распознавания геометрии вагона лежит сверточная нейронная сеть.
Благодарим редакцию единой корпоративной газеты "Территория ОМК" за предоставление данного материала.
Отгружая готовую продукцию железнодорожным транспортом, металлурги выксунского завода ОМК нередко сталкиваются с проблемой: пришедшие вагоны не соответствуют нормативам. Чаще всего отбраковку делают на участке подготовки вагонов под отгрузку и на самом грузовом фронте ТЭСЦ-4, где представители внешней инспекции предъявляют особо жесткие требования к геометрии транспортных средств (речь идет о допусках всего в несколько миллиметров). Однако такие вагоны, как правило, подходят для погрузки в других трубных цехах. В подобных случаях приходится перестраивать логистические потоки, что сдерживало отгрузку и оборачиваемость вагонов.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
– В 80 процентах случаев причиной отбраковки служит минимальное расстояние между погруженной продукцией (обычно трубами) и бортами вагона. Параметры вагона, прибывшего с железной дороги, отслеживает приемосдатчик на станции «Выкса-Промышленная». Для этого он вынужден подниматься на пешеходный мост и осматривать вагоны сверху, – рассказал эксперт направления по развитию цифровых технологий дирекции по ИТ Николай Проклов. – Возможности человеческого зрения ограничены, и некоторые несоответствия неминуемо ускользают от внимания. В таких условиях целесообразно использовать компьютерное зрение. Этот проект которого мы начали прорабатывать в сентябре прошлого года. В основе системы распознавания геометрии вагона лежит сверточная нейронная сеть.
Проект ОМК-ИТ начался с создания инфраструктуры. Специалисты сервисного центра завода установили две IP-камеры: одну – на мосту, другую – сбоку, для считывания номеров вагонов. Камеры синхронизированы между собой и работают в режиме 24/7. Затем сотрудники направления по развитию цифровых технологий разработали программное обеспечение, позволяющее автоматически определять ширину между бортами полувагонов.
– Функционал ПО довольно обширен: система распознает вагон в кадре, определяет его номер, фиксирует время, автоматически измеряет ширину бортов через сегментацию обвязочных брусьев, хранит статистику с фотографиями по каждому вагону в электронной библиотеке и выдает данные сотруднику ЖДЦ, – перечисляет Николай Проклов. – В дальнейшем мы сможем разработать отчеты по требованиям заказчика.
Также разработчики позаботились о приложении для приемосдатчиков. Цифровой помощник позволит улучшить условия их труда и высвободить рабочее время, автоматизируя в дальнейшем передачу данных в АСУ ЖД.
Цифра
> 800 часов обучали нейросеть для оценки вагонов. В тестировании использовали более 500 фотографий.
Сейчас система запущена в тестовом режиме. Точность измерения расстояния между бортами по обвязочным брусьям достигает 70 процентов, но разработчики намерены повысить ее до максимального значения.
Как сообщил начальник ЖДЦ Сергей Сизов, сейчас в цехе изучают предложение дирекции по ИТ и сравнивают его с типовыми разработками. Затем примут решение о целесообразности применения системы на заводских путях.
В перспективе аналогичные системы компьютерного зрения возможно будет применять на технологических станциях завода для определения качества очистки вагонов, а также настроить их на поиск повреждений транспортных средств. Для этого потребуется дополнить имеющуюся систему модулями детекции засора и повреждений.
Елена Лищук. Фото: архив ОМК
