Новая эра интеллектуального строительства печей: облегченные алгоритмы обеспечивают более точное определение и позиционирование огнеупорного кирпича

В высокотемпературных отраслях промышленности, таких как сталелитейная, металлургическая и прозводство строительных материалов, огнеупорный кирпич является незаменимым ключевым материалом для печей. Он сохраняет структурную устойчивость при высоких температурах, предотвращая повреждение корпуса печи. Как правило, один огнеупорный кирпич весит от 5 до 40 кг, в то время как для большой коксовой печи часто требуется до 6600 тонн огнеупорного кирпича, имеющего до 760 различных типов. Это означает, что даже небольшая ошибка может вызвать проблемы во всем процессе строительства печи.

Почему необходимо «идентифицировать» огнеупорный кирпич?

При строительстве коксовых печей огнеупорный кирпич не укладывается хаотично; в основном он плотно соединяется с помощью шипово-пазового соединения. Несмотря на устойчивость этой конструкции, она создает определенные трудности для автоматизированного строительства:

Границы между кирпичами размыты, что позволяет легко ошибочно принять их за единое целое;

Если захват робота неточен, кирпичи могут упасть или даже повредить корпус печи.

Небольшие отклонения в глубине укладки каждого кирпича могут привести к смещению при последующей кладке.

Для решения этих проблем исследователи предложили алгоритм распознавания и локализации легковесного огнеупорного кирпича, который поможет роботам-каменщикам более интеллектуально «видеть» кирпичи и точно «обрабатывать» их.

Облегченный алгоритм, делающий роботов умнее

В основе этого алгоритма лежит усовершенствование существующей модели распознавания объектов YOLOv8. YOLO — очень популярный алгоритм распознавания изображений, способный определять положение объектов на изображении за очень короткое время. Однако при работе с плотно уложенными огнеупорными кирпичами обычная модель YOLO по-прежнему страдает от пропусков и ложных срабатываний.

Исследователи применили три основных нововведения:

Случайный синтез многограничных признаков

Благодаря моделированию близкого расположения кирпичей генерируются более разнообразные данные об изображениях кирпичей, что позволяет модели «предварительно просматривать различные варианты».

Модуль глобального внимания (GAM) и улучшенная функция потерь Wise-IoUv3

Это позволяет модели уделять больше внимания детальным особенностям кирпичей при распознавании, таким как линии краёв и текстуры поверхности, повышая точность распознавания.

Алгоритмы обрезки делают модель легче

Благодаря обрезке параметров с «незначительным влиянием» на вычисления модель становится меньше и быстрее. В конечном итоге модель имеет всего 0,211 млн параметров и вычислительную нагрузку всего 0,856G, что на 90% меньше по сравнению с исходной моделью.

Точная локализация: от 2D к 3D

Распознавание — это только первый шаг; роботу также необходимо знать, «где находится кирпич и на какой глубине его разместить».

Исследователи использовали алгоритм сегментации информации о глубине, объединяющий данные облака точек, чтобы модель могла точно определить трёхмерное положение кирпича на основе двумерного распознавания.

В экспериментах при глубине кирпича от 800 до 1000 мм средняя погрешность измерения составила всего 0,28%. Это означает, что робот может выполнять захват с точностью, близкой к миллиметровой.

Результаты эксперимента впечатляют.

Испытания на экспериментальной платформе робота-укладчика коксовой печи показали:

Средняя точность распознавания: 98,83%

Сокращение количества параметров: 92,99%

Сокращение количества вычислений с плавающей запятой: 89,56%

Это не только повышает точность распознавания робота, но и позволяет ему эффективно работать на объекте с ограниченными вычислительными ресурсами.

Значение и перспективы применения

Данное исследование является не только прорывом в области распознавания огнеупорного кирпича, но и важным шагом в промышленной автоматизации. Благодаря облегченным алгоритмам робот-каменщик может выполнять сложные задачи распознавания и позиционирования при ограниченном количестве оборудования, значительно повышая автоматизацию и безопасность строительства коксовых печей.

В будущем этот тип алгоритмов может также применяться для:

обслуживания и осмотра печей;

визуального восприятия промышленным роботом;

интеллектуальной сборки сборных строительных элементов и т. д.

Краткое содержание

Качество и плотность огнеупорных кирпичей (например, плотность 2,4–3,0 г/см³) определяют, сохранят ли они прочность при высоких температурах, в то время как интеллектуальные алгоритмы распознавания определяют, можно ли их точно «разместить» в правильном положении.

Появление алгоритмов идентификации и позиционирования легковесных огнеупорных кирпичей не только повысило точность идентификации, но и создало прочную технологическую основу для «машинной замены ручного строительства печей».

Это можно считать ярким примером глубокой интеграции традиционных огнеупорных материалов и искусственного интеллекта.