Студенты третьего курса Алтайского государственного технического университета им. И.И. Ползунова разработали программу на базе искусственного интеллекта для очистки гречихи. Проект был реализован в рамках трехнедельной производственной практики на площадке барнаульского предприятия.
Над задачей работали студенты третьего курса направления «продукты питания из растительного сырья» Иван Руднев и Ян Врон. Главный вызов, с которым справились будущие технологи, — научить машину распознавать трудноотделимые примеси, такие как семена дикой редьки. Они практически неотличимы от гречихи по цвету, но имеют другую форму и фактуру. Созданная студентами AI-программа представляет собой уникальный сценарий сортировки, который анализирует совокупность визуальных признаков, выходя далеко за рамки простого цветового сравнения.
Процесс создания алгоритма требует глубокого понимания физики продукта. По словам куратора практики инженера «Руспром Meyer» Михаила Яценко, специалист сначала задаёт нейросети эталонные параметры годного зерна и критерии брака, после чего начинаются тестовые прогоны и тонкая калибровка.
«У каждого завода свои стандарты качества, поэтому универсальной кнопки не существует — программа пишется под конкретное сырьё. Мы хотели, чтобы студенты прошли весь этот путь от постановки задачи до финальной настройки оборудования, а не просто наблюдали со стороны», — отметил инженер.
Чтобы подобрать оптимальный метод контроля, практиканты протестировали целый арсенал высокотехнологичных решений на различных культурах. В одних случаях достаточно сортировки по цвету на обычных RGB-камерах. Так, на фотосепараторах студенты отделяли жёлтые семена горчицы от зелёных. Применение UHD-камер обеспечивает более высокую детализацию изображения, позволяющую распознавать даже небольшие внешние различия. С их помощью практиканты очищали лён от дефектных семян и посторонних примесей.
Для случаев посложнее применяли ещё более высокотехнологичное оборудование — камеры ближнего инфракрасного диапазона InGaAs считывают внутреннюю структуру и химический состав объекта. С их помощью ребята успешно выявляли необрушенный овёс в овсяной крупе.
Рентген-детекторы анализируют плотность материала. Эта технология помогла найти минеральные примеси и камни в кофе.
«Возможность своими руками создавать сценарии с применением AI deep learning дала нам чёткое понимание того, какие задачи стоят перед современной пищевой индустрией и какие технологии для этого требуются», — поделились Иван Руднев и Ян Врон.
По словам кандидата технических наук, доцента кафедры технологии хранения и переработки зерна АлтГТУ Сергея Брасалина, взаимодействие вузов и предприятий критически важно для подготовки инженеров нового поколения.
— 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.
Справка «Вечернего Барнаула»
Компания «Руспром Meyer» впервые представила технологию AI Deep Learning для сортировки на российском рынке в 2023 году. За это время нейросети стали незаменимым инструментом там, где традиционная оптика бессильна. Обучение студентов проходит в рамках проекта «Академия роста. Молодые кадры», стартовавшего в 2024 году. В будущем компания планирует расширить географию проекта и привлечь к сотрудничеству профильные университеты из других регионов страны.
