بررسی جامع روش‌های تشخیص انحراف (سُرخوردگی) نوار نقاله بر پایه بینایی ماشین، یادگیری عمیق و پایش وضعیت

بررسی جامع روش‌های تشخیص انحراف (سُرخوردگی) نوار نقاله بر پایه بینایی ماشین، یادگیری عمیق و پایش وضعیت

سينا سليمانی1 محمود اسکندری نسب2

1) دانشجوی کارشناسی ارشد مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان
2) دکتری مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان

کد IOI مقاله : ABEB-ACZGGA
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    انحراف جانبی نوار نقاله (Belt Mistracking / Deviation) یکی از رایج‌ترین و پرهزینه‌ترین خرابی‌های سامانه‌های نوار نقاله در صنایع معدن، حمل‌ونقل مواد فلّه و خطوط تولید محسوب می‌شود که می‌تواند به پارگی طولی نوار، ریزش مواد، سایش شدید غلتک‌ها و قاب، افزایش مصرف انرژی محرکه و در موارد حاد، آتش‌سوزی و خسارات جانی و مالی منجر شود. بر پایهٔ آمار گزارش‌شده، توقف تولید ناشی از انحراف نوار می‌تواند تا ۱۰ تا ۳۰ درصد از کل توقف‌های خط انتقال را شامل شود. در این مقاله با مروری تحلیلی بر پنج پژوهش شاخص منتشرشده در نشریات معتبر بین‌المللی -- Algorithms (2019)، Applied Sciences (2023)، Complexity (2021)، Scientific Reports (2024) و Sustainability (2021) -- روش‌های نوین تشخیص، پایش و کاهش اثرات انحراف نوار نقاله دسته‌بندی، تحلیل و با یکدیگر مقایسه می‌شوند. این روش‌ها عبارت‌اند از: شبکهٔ ترکیب ویژگی چندمقیاسی مبتنی بر پیچش تفکیک‌پذیر عمقی برای تشخیص بلادرنگ لبهٔ نوار، ربات بازرسی مجهز به آشکارساز سبک‌وزن OM-SSD به همراه تبدیل هاف و تطبیق الگوی کمانی برای برآورد پیوستهٔ درجهٔ انحراف (DD)، الگوریتم بهبودیافتهٔ YOLOv8 مجهز به مکانیزم‌های توجه (ESE، BiFPN_DoubleAttention و MHSA) برای تشخیص هم‌زمان غلتک و نوار، و همچنین چهار روش پایش غیرتماسی مبتنی بر ارتعاش‌سنجی یاتاقان، تصویربرداری RGB، تصویربرداری حرارتی و اندازه‌گیری نیروی کشش هیدرولیکی. در ادامه، تأثیر پارامترهای طراحی یاتاقان غلتک (نوع بلبرینگ، کلاس لقی شعاعی و لقی محوری) بر مقاومت غلتشی و مصرف انرژی کلی نوار نقاله نیز بررسی شده است. نتایج نشان می‌دهد روش‌های مبتنی بر یادگیری عمیق به دقت میانگین بیش از ۹۹ درصد (mAP@۰.۵) و سرعت پردازش بلادرنگ (۴۶ تا ۶۷ فریم بر ثانیه) دست یافته‌اند که به‌مراتب برتر از روش‌های سنتی سوئیچ مکانیکی و پردازش تصویر کلاسیک (Canny/Hough) است. همچنین انتخاب مناسب یاتاقان و لقی محوری غلتک می‌تواند مقاومت غلتشی را تا بیش از ۶۰ درصد و مصرف انرژی کل نوار نقاله را تا حدود ۱۲ درصد کاهش دهد. این مقاله با ارائهٔ جدول‌ها و نمودارهای مقایسه‌ای، چارچوبی یکپارچه برای انتخاب راهکار مناسب پایش انحراف نوار نقاله متناسب با شرایط عملیاتی صنعتی پیشنهاد می‌کند.

کلمات کلیدی : نوار نقالهٔ صنعتی تشخیص انحراف بینایی ماشین یادگیری عمیق yolov8 ربات بازرسی مقاومت غلتشی غلتک پایش وضعیت