Свердловская область является одной из ведущих в России и в Мире по добыче и производству асбестового волокна. Здесь находится Баженовское месторождение (г. Асбест, Свердловская область), которое является из разработанных месторождений наиболее крупным месторождением хризотил-асбеста в мире. Результаты обсуждения проблем управления качеством технологических процессов добычи асбестосодержащей породы в забоях открытых карьеров Баженовского асбестового месторождения (ПАО "УралАсбест" г. Асбест, Свердловская область) с ведущими специалистами данного горнодобывающего предприятия позволили сделать следующие выводы.
1. Эффективное управление процессом производства асбеста требует наличия оперативной информации о его концентрации в горной породе, на этапе ее нахождения в забое открытого карьера.
2. Лабораторный анализ горной породы обеспечивает достаточно высокую точность определения концентрации асбеста, но имеет высокую стоимость и требует больших временных затрат (длительность анализа одной партии асбестосодержащей породы составляет 8 часов).
3. Экспресс-оценки концентрации асбеста, выданные специалистами геологической службы горнодобывающего предприятия, на основе визуального анализа горной породы, оказываются весьма субъективными. В том числе такие оценки во многих случаях оказываются как существенно отличными друг от друга, так и отличными от данных лаборатории.
4. Специалисты геологических служб не могут формально описать, алгоритмы и критерии, в соответствии с которыми они оценивают концентрацию асбеста в горной породе.
В этой связи разработка автоматизированных систем для оценки концентрации асбеста в открытых карьерах оказывается актуальной. Проведен анализ известных современных подходов и технических решений, используемых для решения задач управления технологическими процессами в горнодобывающей отрасли показал, что наиболее перспективными считаются компьютерные системы технического зрения, в которых для анализа цифровых изображений горной породы применяются алгоритмы, основанные на использовании искусственных нейронных сетей и других методов машинного обучения. Ранее команда проекта продемонстрировала возможность решения задачи оценки содержания асбестосодержащей породы, находящейся на транспортерной ленте в цехе горно-обогатительной фабрики с помощью системы компьютерного зрения. (Zyuzin, V., Ronkin, M., Porshnev, S. and Kalmykov, A. Computer vision system for the automatic asbestos content control in stones // Journal of Physics: Conference Series, vol. 1727 № 1, 2021. p. 012014.). В данной системе использовались сверточные нейронные сети для решения задач семантической сегментации как асбестовых прожилок, так кусков асбестосодержащей породы. Отметим, что возможность применения в горнодобывающей промышленности систем компьютерного зрения, основанных на использовании сверточных нейронных сетей также подтверждают ряд работ других авторов. Новизна заявляемого исследования заключается в исследовании сверточных нейронных сетей в задаче оценки непосредственного содержания асбеста по оценке отградуированного среднего отношений площадей, выделенных прожилок к общей площади отельных кусков породы в условиях разрабатываемого участка открытого карьера. При этом отметим, что процедура обучения искусственной нейронной сети требует достаточно большого набора данных для правильной обработки соответствующих признаков.
В настоящее время, одним из наиболее популярных классов нейронных сетей, используемых для семантической сегментации объектов на цифровых изображениях, является класс, основанный на использовании архитектуры U-Net. Данная архитектура изначально была использована для анализа медицинских изображений, где они показали высокую точность сегментации объектов небольшого размера. Также нейронные сети данного типа продемонстрировали свою работоспособность в описанном выше прототипе системы технического зрения.
Сегодня для обнаружения и выделения объектов на цифровых изображениях (объектной сегментации, instance segmentation), анализируемых системами компьютерного зрения, также используются нейронные сети на базе архитектур Mask-RCNN. В ряде работ показано что, с использованием данных сетей может быть произведена оценка кусковатости (размеров) и формы породы после взрыва в условиях забоя открытого карьера. Следовательно, целесообразно проведение научных исследований с цель разработки алгоритмов детектирования и объектной сегментации кусков асбестосодержащих пород и далее сегментации в этих кусках прожилок асбеста, основанных на совместном использовании сверточных нейронных сетей, например, основанных на архитектурах U-Net, и Mask-R-CNN или других аналогичных архитектурах. Выбор и исследование наиболее производительных архитектур нейронных сетей для решения поставленных к ним задач также является предметом исследования в данной области.
Таким образом, проведение исследований с целью совершенствования научных принципов построения системы компьютерного зрения для определения концентрации асбеста в горных породах в открытых карьерах, а также алгоритмов анализа цифровых изображений асбестосодержащей породы, полученных в забоях открытых карьеров, для идентификации асбестовых прожилок и автоматического оценивания по ним концентрации асбеста в горных породах, является актуальной задачей.
Ожидаемые результаты
1.Разработка и исследование методики использования современных искусственных нейронных сетей с архитектурами на базе U-Net, Mask-R-CNN или другими подобными архитектурами направленных на решение следующих задач:
•поиск и локализации кусков асбестосодержащей породы, зафиксированных автоматически в условиях разрабатываемых участков открытых карьеров асбестовых месторождений;
•оценка значений площади поверхности отдельных камней (кусков асбестосодержащей породы) и их распределений (кусковатость) в забоях открытых карьеров;
•семантическое сегментирование асбестовых прожилок на изображения отдельных камней асбестосодержащей породы.
2.Разработка и исследование методики высокоточного оперативного контроля содержания асбестового волокна в асбестосодержащей породе по результатам оценок площадей отдельных кусков асбестосодержащей породы и прожилок внутри их.
3.Создание портативной системы технического зрения для оперативного автоматизированного контроля содержания асбестового волокна в асбестосодержащей породе в забоях открытых карьеров.
