Над задачей работали студенты третьего курса направления «Продукты питания из растительного сырья» Иван Руднев и Ян Врон. Разработка программы стала частью трёхнедельной производственной практики.
Студенты определили критерии годного продукта и примесей в специальной программе завода, подобрали настройки на самом оборудовании и проверили результат на тестовой партии сырья. AI-программа представляет собой рабочий сценарий сортировки, созданный под конкретный продукт и состав засорителей. Технология анализирует визуальные характеристики объектов и позволяет находить примеси, которые сложно отделить только по цвету. Здесь работает совокупность признаков – цвет, форма, внешняя структура продукта.
«У каждого предприятия свои требования к качеству готовой продукции, поэтому программа сортировки создаётся под конкретное сырьё и задачи заказчика. Сначала специалист определяет, что считать годным продуктом, какие дефекты и примеси необходимо удалить и по каким признакам оборудование сможет их распознать. Эти критерии задаются в специальной программе. Затем специалист проводит тестовую сортировку и оценивает результат. При необходимости настройки корректируются. Мы постарались показать студентам весь этот процесс, а не только работу оборудования», – рассказал куратор практики, инженер Михаил Яценко.
Выбор технологии зависит от особенностей продукта и примесей, поэтому в ходе практики студенты последовательно опробовали разные методы контроля качества сырья. В одних случаях достаточно сортировки по цвету на обычных RGB-камерах. Так, на фотосепараторах практиканты отделяли жёлтые семена горчицы от зелёных. Есть задачи, где необходимо использование UHD-камер, которые обеспечивают в четыре раза более высокую детализацию изображения и позволяют распознавать даже небольшие внешние различия. На фотосепараторе с UHD-камерами студенты очищали лён от дефектных семян и посторонних примесей.
В тех случаях, когда недостаточно таких технологий, применяются более сложные. Например, камеры ближнего инфракрасного диапазона InGaAs позволяют выявлять особенности, связанные с внутренней структурой и составом сырья, которые не видны при обычной сортировке. С их помощью студенты обнаруживали необрушенный овёс в овсяной крупе.
Для ещё более сложных задач используется рентген-детектор, распознающий включения по плотности. На практике это позволило практикантам выявлять минеральные примеси в кофе. Кроме того, они познакомились с сортировкой полимерного сырья и разделяли ПЭТ от других видов пластика, закрепляя понимание того, как подбирается технология под конкретный тип материала и задачу очистки.
«Было полезно не только проводить тестовые сортировки, но и самостоятельно создавать программы с применением AI deep learning. Теперь мы лучше понимаем, какие технологии уже используются на предприятиях и какие задачи предстоит решать специалистам пищевой и перерабатывающей промышленности», – отметили Иван Руднев и Ян Врон.
По словам кандидата технических наук, доцента кафедры «Технология хранения и переработки зерна» АлтГТУ Сергея Брасалина, взаимодействие университета и предприятий помогает дополнить теоретическую подготовку студентов практической работой с современными технологиями.
«Будущим специалистам важно понимать, какое оборудование представлено на рынке, как оно работает и какую роль играет в обеспечении качества и безопасности продукции. Такая практика позволяет увидеть современные решения в работе и качественнее подготовиться к профессиональной деятельности», – прокомментировал Сергей Брасалин.
Пресс-служба
