Машинное зрение в ВКР: контроль фракционного состава известняка прямо на конвейере
В цехе обжига извести ЕВРАЗ ЗСМК запустили систему мониторинга гранулометрического состава известняка. Смысл события простой и важный: оценка фракции перестаёт быть лабораторной процедурой «раз в смену» и становится потоковым измерением, которое идёт непрерывно, пока материал едет по транспортёрной ленте. Для выпускника ИТ-направления это не отраслевая новость, а почти готовое техническое задание: камеры, освещение, edge-вычисления, модель сегментации, интеграция с АСУТП, метрики качества и отказоустойчивость.
Почему кейс стоит разбирать именно сейчас? Потому что металлургия и горная промышленность переходят от пилотов «умных камер» к серийным внедрениям, а значит растёт спрос на специалистов, которые умеют связать модель машинного зрения с промышленным контуром. В дипломной работе такой сюжет даёт редкое сочетание: понятная физика процесса, измеримый результат и богатая почва для архитектурных решений.
Три темы ВКР, которые вырастают из этого кейса
Тема 1. Система компьютерного зрения для непрерывного контроля гранулометрического состава сыпучих материалов
Актуальность: публикация о запуске системы в ЦОИ показывает, что задача вышла из стадии НИОКР и решается на действующем производстве. Значит, у вас есть референс, от которого можно отталкиваться при обосновании.
Цель: разработать программно-аппаратный комплекс, оценивающий доли фракционных классов известняка по видеопотоку с камеры над конвейером.
- проанализировать существующие методы контроля гранулометрии и обосновать выбор оптического;
- спроектировать архитектуру: съёмка, предобработка, инференс, хранение, визуализация;
- обучить и оценить модель сегментации кусков материала;
- провести испытания и рассчитать экономический эффект внедрения.
Структура: Глава 1 — обзор методов контроля фракции, ГОСТ 34.602-89 как рамка для ТЗ; Глава 2 — архитектура, схема размещения оборудования, алгоритм обработки кадра; Глава 3 — испытания по ГОСТ 34.603-92, метрики качества и расчёт окупаемости.
Тема 2. Отказоустойчивый edge-узел инференса для промышленной системы машинного зрения
Актуальность: если измерение влияет на режим обжига, остановка вычислительного узла означает потерю контроля. Публикация о непрерывном мониторинге прямо подталкивает к вопросу: что делать при отказе камеры, сети или самого сервера?
Цель: спроектировать вычислительный узел, сохраняющий работоспособность при деградации каналов и оборудования.
- сформулировать требования к доступности и времени восстановления;
- сравнить варианты развёртывания: локальный сервер, контейнеры, Kubernetes на периферии;
- реализовать буферизацию кадров и репликацию результатов;
- провести нагрузочное тестирование и тесты отказа.
Структура: Глава 1 — теория отказоустойчивости и модели качества по ISO/IEC 25010; Глава 2 — проектирование узла и схема потоков данных; Глава 3 — сценарии отказов, измерение RTO/RPO, стоимость резервирования.
Тема 3. Интеграция системы технического зрения с АСУТП: протоколы, данные, обратная связь
Актуальность: ценность системы не в самой цифре «доля класса 20–40 мм равна 63%», а в том, что эта цифра попадает в контур управления. Кейс ЗСМК — пример именно такой интеграции.
Цель: разработать шлюз, транслирующий результаты инференса в промышленную сеть и обеспечивающий прослеживаемость измерений.
- сравнить OPC UA, MQTT и Modbus TCP по применимости к задаче;
- описать информационную модель тега и правила публикации;
- реализовать прототип шлюза и буфер на случай разрыва связи;
- оценить задержку «кадр — тег в SCADA» и полноту данных.
Структура: Глава 1 — анализ стандартов промышленной интеграции; Глава 2 — проектирование шлюза и UML-диаграммы; Глава 3 — лабораторный стенд, замеры задержек, журнал испытаний.
Аналитическая глава: чем обосновывать выбор решения
Первая глава диплома обычно страдает от пересказа учебников. Спасает сравнительная таблица, построенная вокруг вашей задачи. Ниже — каркас, который можно наполнить своими цифрами и ссылками на источники.
| Метод | Дискретность | Точность | Стоимость владения | Пригодность для ВКР |
|---|---|---|---|---|
| Лабораторный ситовой анализ | 2–4 пробы в смену | Эталонная | Трудозатраты персонала | Только как база сравнения |
| Механический анализатор в потоке | Непрерывно | Высокая | Высокая, износ механики | Сложно реализовать в вузе |
| Машинное зрение, 2D-камера | Непрерывно | Зависит от обучения модели | Средняя | Оптимально |
| Стерео/3D-съёмка, лазерный профилометр | Непрерывно | Высокая по объёму куска | Высокая | Как перспектива развития |
Здесь же уместно обосновать стек. Не пишите «выбрали Python, потому что он популярный». Пишите так: обучение модели — PyTorch, экспорт в ONNX, инференс на периферийном узле через ONNX Runtime, потому что требуется предсказуемая задержка без тяжёлых зависимостей. Хранение временных рядов — TimescaleDB или InfluxDB, визуализация — Grafana, телеметрия самого сервиса — OpenTelemetry. Каждое решение подкрепляйте ограничением: задержка, ресурсы, требования к сопровождению.
Проектная часть: от схемы до кода
Вторая глава — ваша главная возможность показать инженерное мышление. Разбейте её на четыре слоя.
Слой сбора данных
Камера над лентой, защитный кожух, стабильное освещение (нельзя недооценивать — на производстве свет меняется, и модель «плывёт»). В дипломе опишите требования к разрешению, частоте кадров и геометрии съёмки. Хороший артефакт — схема размещения с указанием высоты подвеса и поля зрения.
Слой обработки
Классический конвейер: кадр → подавление шума → выделение зоны интереса → сегментация кусков → расчёт площадных долей классов → агрегация за окно времени. Полезно показать псевдокод и обосновать выбор метрики: доли классов считаются по площади, а не по числу кусков, иначе мелкая фракция «теряется».
# фрагмент расчёта долей фракций по маске сегментации
classes = {"0-20": 0.0, "20-40": 0.0, "40-80": 0.0, ">80": 0.0}
for mask, area_px in segments:
klass = classify_by_equivalent_diameter(mask)
classes[klass] += area_px
total = sum(classes.values()) or 1
shares = {k: round(v / total * 100, 2) for k, v in classes.items()}
publish_to_opcua(shares)Слой интеграции
Результат должен попасть туда, где им пользуются. Опишите информационную модель: имя тега, тип, единица измерения, период публикации, поведение при потере связи. Отдельно продумайте буфер: если сеть пропала, измерения нельзя терять — их складывают локально и досылают позже.
Слой представления
Дашборд оператора: текущие доли фракций, тренд за смену, отметки о калибровках и тревогах. Здесь хорошо смотрятся скриншоты макетов и обоснование порогов срабатывания сигнализации.
Тестирование и метрики: как доказать, что система работает
Самая слабая часть большинства ВКР — отсутствие измеримых результатов. Ниже набор показателей, которые реально снять в условиях вуза или на стенде.
| Показатель | Как измерить | Инструмент | Ориентир |
|---|---|---|---|
| Сходимость с ситовым анализом | Сравнение долей классов на контрольной выборке | Скрипт расчёта MAE и коэффициента корреляции | MAE ≤ 5 п.п. |
| Качество сегментации | IoU и F1 по размеченным кадрам | Разметка в CVAT, метрики в PyTorch | IoU ≥ 0,7 |
| Задержка инференса | Время обработки кадра, перцентиль p95 | ONNX Runtime, профилировщик | ≤ 100 мс |
| Доступность сервиса | Доля времени без отказов | Prometheus + Grafana | ≥ 99,5% |
| Восстановление после отказа | Имитация обрыва сети и падения процесса | Сценарии chaos-тестов | RTO ≤ 5 мин, RPO = 0 |
Отдельно посчитайте пропускную способность: сколько тонн в час проходит через зону контроля и справляется ли вычислительный узел с таким потоком кадров. Это снимает типовой вопрос комиссии «а выдержит ли система реальную нагрузку».
Экономику внедрения считайте через сокращение потерь: снижение доли брака по обжигу, экономия времени персонала на отбор проб, уменьшение расхода топлива при стабильном гранулометрическом составе. Три-четыре статьи экономии и простой расчёт срока окупаемости выглядят убедительнее, чем абстрактное «повышение эффективности».
Чему вы научитесь на такой теме
- Проектировать системы, где модель машинного зрения — лишь один из компонентов, а не самоцель.
- Обосновывать стек через ограничения предметной области, а не через личные предпочтения.
- Считать метрики качества и производительности и защищать их перед комиссией.
- Работать со стандартами: ГОСТ 34.602-89 для ТЗ, ГОСТ 19.701-90 для схем алгоритмов, ISO/IEC 25010 для характеристик качества.
- Оформлять техническую документацию так, чтобы её можно было передать в сопровождение.
Типичные ошибки студентов
- Подмена понятий. Пишут «облачная платформа», «edge», «туманные вычисления» вперемешку, без указания, где именно выполняется инференс. Лечится одной схемой развёртывания и таблицей «компонент — узел — обоснование».
- Нет метрик эффективности. Глава с результатами сводится к скриншотам работающего интерфейса. Добавьте таблицу замеров и хотя бы один сценарий отказа — этого часто достаточно, чтобы поднять оценку.
- Игнорирование оформления по ГОСТ. ТЗ без ссылки на ГОСТ 34.602-89, схемы алгоритмов без соблюдения ГОСТ 19.701-90, отсутствие журнала испытаний. Проверьте требования кафедры заранее — переделка в последнюю неделю стоит дороже всего.
Что проверить перед сдачей
- Ссылка на первоисточник (публикацию о внедрении) стоит в тексте, а не только в списке литературы.
- Каждая задача из введения отражена в выводах соответствующим пунктом — один к одному.
- Есть минимум четыре схемы: архитектура, развёртывание, алгоритм обработки кадра, потоки данных.
- Все метрики имеют единицы измерения и указание, на какой выборке получены.
- ТЗ, схемы и журнал испытаний оформлены по ГОСТ, а не «в свободной форме».
- Экономический расчёт опирается на реальные или явно обоснованные допущения.
Вопросы, которые задают чаще всего
Нужен ли реальный датасет известняка или хватит синтетики?
Идеально — хотя бы 300–500 размеченных кадров с реального объекта. Если доступа нет, соберите стенд: лента, вибролоток, бытовая камера, любой сыпучий материал похожего гранулометрического состава. Синтетика допустима для предварительной отладки, но в работе обязательно опишите расхождение метрик на реальных и синтетических данных — это честный и сильный ход.
Обязательно ли писать код в дипломе?
Зависит от направления. Для ИТ-специальностей работа без действующего прототипа почти всегда получает меньше баллов. Но «код» — не обязательно большая система: достаточно модуля инференса, скрипта расчёта метрик и шлюза публикации. Если тема исследовательская, подтвердите работоспособность вычислительным экспериментом.
Как оформлять UML и схемы алгоритмов?
Блок-схемы алгоритмов — по ГОСТ 19.701-90, с правильными символами и разрывами линий. Диаграммы компонентов и последовательностей оформляйте как приложение к ТЗ. Не смешивайте нотации: если диаграмма в UML — подписывайте как UML, если в IDEF0 — как IDEF0. Комиссия это замечает.
Как измерить производительность, если нет промышленного оборудования?
Искусственно масштабируйте нагрузку: прогоните видеопоток с разной частотой кадров, добавьте параллельные клиенты к API, ограничьте CPU. Снимите перцентили p50 и p95, постройте график зависимости задержки от частоты кадров. Такой эксперимент убедительнее одной цифры «работает быстро».
Если тема кажется объёмной, а сроки поджимают — наша команда помогает разобрать её по частям: от постановки задачи и обоснования архитектуры до расчётной части и оформления по ГОСТ. На консультацию уходит около часа, а экономия — порядка 120 часов самостоятельной работы над разделами. Расскажите о своей теме, и мы подскажем, с какой главы начать.
Источник: «Евраз ЗСМК» внедрил цифровую систему контроля фракционного состава известняка (опубликовано 2026-03-26)