Искусственный интеллект следит за удобрениями: российская система контролирует производство в режиме реального времени

Российские инженеры создали искусственный интеллект, который способен видеть и думать прямо на производстве. Разработка учёных Передовой инженерной школы (ПИШ) Новгородского государственного университета (НовГУ) открывает новое направление в автоматизации контроля качества. Теперь систему можно "научить" анализировать удобрения без участия человека — быстро, точно и непрерывно.

Нейросеть на конвейере

По информации ТАСС, новая ИИ-система устанавливается прямо над движущейся конвейерной лентой и непрерывно сканирует гранулы удобрений. Камера фиксирует мельчайшие детали, а нейросеть в реальном времени определяет контуры, диаметр и форму каждой частицы.

"Система устанавливается над конвейерной лентой и сканирует движущиеся гранулы удобрений. Результаты анализа сразу же отображаются на графиках, позволяя оперативно корректировать производственный процесс", — рассказали в пресс-службе НовГУ.

В основе работы — технологии компьютерного зрения и алгоритмы нейронных сетей, способные анализировать тысячи изображений в секунду. Интеллектуальная программа сравнивает параметры гранул с эталонными и сигнализирует, если размер выходит за пределы нормы.

Когда размеры имеют значение

Контроль гранул — ключевой этап в производстве минеральных удобрений. От него зависит, насколько эффективно они будут растворяться в почве и усваиваться растениями.

"Если гранулы меньше нормы, они превращаются в пыль и разлетаются ветром, а если крупнее — не достигают нужной точки в почве", — пояснил автор проекта Владислав Рысев.

Обычные методы обработки изображений — операторы Робертса, Собеля, LoG и метод Канни — оказались бессильны. Гранулы одного цвета и малого размера "сливались" в кадре, превращаясь в "белую кашу". Решением стало внедрение нейросетевого анализа, который распознаёт даже слабые контрастные различия между объектами.

Почему это важно для отрасли? Ошибки в размере частиц ведут к перерасходу сырья и снижению урожайности. Автоматизация контроля позволяет минимизировать человеческий фактор и стабилизировать качество продукции.

Самообучение и адаптация

Главная особенность системы — способность адаптироваться к новым материалам без ручной перенастройки. Она обучается на собственных данных, постепенно улучшая точность распознавания.

Как это работает?

1. Нейросеть анализирует изображения в реальном времени.
2. Сравнивает результаты с эталонными образцами.
3. При повторяющихся расхождениях корректирует алгоритм анализа.

Такой подход делает систему универсальной: она может работать не только с удобрениями, но и с другими материалами — от каменных пород до металлических деталей.

А что если условия освещения изменятся? Алгоритм автоматически подстраивает параметры камеры и фильтров, чтобы не потерять точность. Это особенно ценно для химических производств, где условия часто нестабильны.

Промышленный интеллект нового поколения

Разработка НовГУ стала примером того, как университетские лаборатории переходят от теории к практическому внедрению. Проект поддержан Минобрнауки России в рамках программы Десятилетия науки и технологий.

В перспективе система может стать основой для "умных" заводов, где контроль качества полностью возьмёт на себя ИИ. Производственные линии смогут не просто фиксировать отклонения, а сразу корректировать технологические параметры — температуру, скорость подачи сырья, дозировку реагентов.

Можно ли считать систему универсальной? Да, в этом и заключается её ценность: адаптируемый нейроконтроль подходит для предприятий разных профилей — от химии и металлургии до пищевой промышленности.

Ошибка, последствие и альтернатива

Раньше контроль качества часто зависел от визуального осмотра оператора. Человеческий глаз уставал, данные терялись, а ошибка приводила к целым партиям брака. Теперь вместо субъективной оценки используется математический анализ — нейросеть фиксирует даже микроскопические отклонения.

Для сравнения: ручная проверка 1000 гранул занимала около часа, а новая система обрабатывает столько же за доли секунды. При этом оператор видит график и может вмешаться при необходимости.

Что произойдёт, если технологию внедрить массово? Производители удобрений смогут сократить издержки и стабилизировать состав продукции, а сельхозпроизводители — получать более предсказуемые результаты при внесении препаратов в почву.

Когда ИИ становится глазами инженера

Инженеры ПИШ НовГУ называют свой проект "глазами завода". Система не заменяет человека, а расширяет его возможности, исключая рутину и человеческие ошибки. По мере накопления данных нейросеть обучается быстрее и точнее, превращаясь в самостоятельный инструмент контроля.

"Мы сделали шаг от пассивных датчиков к активному интеллекту, который сам оценивает ситуацию и предлагает решение", — отметил Владислав Рысев.

Следующий этап — интеграция системы в комплексные производственные линии с единым управлением процессом. Тогда каждое предприятие сможет создавать собственную "умную" экосистему, где качество контролируется непрерывно и автоматически.