Библиографическое описание:Диагностика конвейерного оборудования с применением нейросетевых алгоритмов : научное издание / П. Г. Криницин, С. В. Ченцов. - Текст : непосредственный // Научный результат. Информационные технологии. - 2025. - Т. 10, № 2. - С. 84-92. - ISSN 2518-1092, DOI 10.18413/2518-1092-2025-10-2-0-8.
Аннотация:В условиях повсеместного внедрения интеллектуальных систем мониторинга и диагностики, компьютерное зрение становится одним из передовых инструментов, позволяющим эффективно решать задачи оптимизации обслуживания и повышения надежности промышленного оборудования. В данной статье рассматриваются основные методы и подходы использования компьютерного зрения для оценки технического состояния конвейерного оборудования, анализируются преимущества и недостатки существующих систем диагностики, а также предлагаются возможные направления для проведения дальнейших исследований. От работоспособности ленточных конвейеров зависит функционирование всего производственного процесса. Транспортёры обеспечивают непрерывность подачи сырья на очередной производственный участок, тем самым перемещая сырье на следующие этапы обработки или склад готовой продукции. Большая часть транспортерного оборудования в металлургической промышленности представлена конвейерами с резиновой транспортерной лентой. Срок службы ленты конвейера в среднем составляет один-два года. Ходимость ленты зависит от времени реагирования ремонтной службы на развитие повреждения ее поверхности. Учитывая высокую частоту отказов конвейерного оборудования для транспортировки и переработки нефтяного кокса, повышение надёжности транспортерной ленты - приоритетная и особо актуальная задача на производстве. Рассматриваемые в статье методы, основанные на алгоритмах компьютерного зрения, решают задачи классификации, детекции и сегментации различных дефектов транспортерной ленты.
In the context of the widespread implementation of intelligent monitoring and diagnostic systems, computer vision becomes one of the leading tools, enabling effective solutions for optimizing maintenance and enhancing the reliability of industrial equipment. This article explores the main methods and approaches for using computer vision to assess the technical condition of conveyor equipment, analyzes the advantages and disadvantages of existing diagnostic systems, and suggests possible directions for further research. The operation of belt conveyors determines the functioning of the entire production process. Conveyors ensure the continuous supply of raw materials to the next production stage, thus moving materials to subsequent processing stages or the finished product warehouse. Most conveyor equipment in the metallurgy industry features conveyors with rubber belts. The average lifespan of a conveyor belt is one to two years. The durability of the belt depends on the response time of the maintenance team to emerging surface damage. Considering the high failure rate of conveyor equipment for the transportation and processing of petroleum coke, enhancing the reliability of the conveyor belt is a priority and especially pertinent task in production. The methods discussed in the article, based on computer vision algorithms, address the challenges of classification, detection, and segmentation of various conveyor belt defects.
