Computer Vision in Mining Operations: From Process Monitoring to Drone Imagery Analysis

From roads and cell phones to wind farms and medical equipment, mining is the backbone of modern civilization, giving us the essential minerals needed for building infrastructure and Avançar tecnologias. Essenciais para as economias modernas e a vida cotidiana, os processos de mineração devem operar da maneira mais eficiente possível. Mas em um punhado de instâncias - principalmente em plantas construídas antes da ascensão da indústria 4.0 - a condição e o desempenho de partes do processo não podem ser medidos usando sensores tradicionais. Essas instâncias geralmente ocorrem quando há necessidade de avaliar uma área ampla (como uma correia transportadora) para classificar as condições, mas uma medição precisa não é crítica - muitas vezes, uma classificação direta "boa" ou "ruim" será suficiente. Monitoramento visual exigido dos operadores. Isso, por sua vez, libera os operadores para se concentrar em outras tarefas de agregação de valor, como a manutenção do circuito. Através do nosso trabalho, encontramos nessas aplicações que a implantação de câmeras de vigilância relativamente barata e de uso geral é suficiente para

Modern processing plants are designed and engineered to use traditional instrumentation—such as level sensors, flow meters, and pressure gauges—to provide real-time data feeds. But in a handful of instances—particularly in plants built before the rise of Industry 4.0—the condition and performance of parts of the process can’t be measured using traditional sensors.

Instead, subject matter experts measure them using the “eye test.” These instances usually occur when there's a need to assess a wide area (such as a conveyor belt) to classify the conditions, but a precise measurement isn't critical—often, a straightforward “good” or “bad” rating will suffice.

At BCG X, the tech and design unit of BCG, we recently helped a client leverage computer vision—a field of AI that allows computers to understand and describe images accurately— to reduce the continuous visual monitoring required of operators. This, in turn, frees operators to focus on other value-adding tasks, like maintenance of the circuit. Through our work, we’ve found in these applications that deploying relatively cheap, general-purpose surveillance cameras is enough to entregar valor, fornecendo uma alternativa econômica à instrumentação específica da medição projetada para precisão. Em algumas circunstâncias, pode até ser "gratuito" se as câmeras de vigilância já tiverem sido instaladas e a IA puder aproveitar esses feeds de vídeo. Analítica. #1: Monitorando a condição de telas vibratórias usando câmeras de vigilância

Since drone imagery is not new in mining applications—already used for pit progress tracking and stockpile inventory monitoring—it also provides another rich data source that can be used for “free” to complement the more established use cases of mine-specific monitoring and event prevention analytics.

In this blog post, we’ll expand on two specific use cases where we have seen success with the application of computer vision in mining operations: monitoring the condition of vibrating screens using surveillance cameras—and monitoring the operating landscape across a great expanse of land leveraging existing drone flights.

Use Case #1: Monitoring the Condition of Vibrating Screens Using Surveillance Cameras

Telas vibratórias Classificar e separar minerais com base no tamanho, usando vibrações mecânicas para mover os materiais sobre as telas. Partículas pequenas caem na tela enquanto partículas maiores se movem pelo comprimento da tela. Essas telas podem ficar “cegadas”, reduzindo a eficácia do processo de separação e, assim, reduzindo o grau (ou seja, qualidade) do concentrado mineral ou mineral desejado. Por exemplo, a condição de trabalho ideal é uma distribuição quase uniforme de partículas redondas na largura da tela. Quaisquer outras condições observadas constituiriam um problema com a tela - talvez baixa pressão da água ou uma tela entupida que precise de limpeza. Uma parte vital desta solução envolveu definir e implementar métricas personalizadas que ajudassem o classificador a distinguir entre diferentes condições operacionais. Implantamos o sistema em várias plantas de separação mineral de clientes e descobrimos que ele melhore a disciplina operacional de manter esse equipamento crítico, resultando em melhor qualidade do produto.

In our work, we found that the screen's condition can be classified based on the shape of particles on the screen and the location of these particles across the screen's width. For example, the ideal working condition is a near-uniform distribution of round particles across the width of the screen. Any other observed conditions would constitute an issue with the screen—perhaps poor water pressure or a clogged screen needing cleaning.

A computer vision algorithm was developed to continuously monitor the condition of the vibrating screen, classify its condition as “good” or “bad,” and raise an alarm if the bad condition persists over a specified period. A vital part of this solution involved defining and implementing custom metrics that would aid the classifier in distinguishing between different operating conditions. We deployed the system in multiple client mineral separation plants and found it to improve the operating discipline of maintaining this piece of critical equipment, resulting in better product quality.

A figura acima demonstra uma variedade de condições de operação (linha superior) que podem ser detectadas pelo algoritmo, usando as métricas em tempo real personalizadas (linha inferior) para executar a classificação. Imagens

 
Use Case #2: Monitoring the Mining Operating Landscape Using Drone Imagery

O objetivo de qualquer aplicativo de visão computacional é identificar os principais recursos no campo de visão e convertê -los em insights de negócios valiosos. A tarefa é semelhante ao jogo clássico "Spot the Difference", onde os jogadores examinam duas imagens quase idênticas para capturar discrepâncias sutis. Mas esses quebra -cabeças divertidos consistem em apenas duas imagens pequenas e estáticas. O olho humano não pode monitorar e detectar continuamente mudanças sutis, mas significativas, na escala de uma operação de mineração inteira. Ao alavancar os dados do drone e a base técnica da IA ​​do jogo clássico, podemos identificar e apoiar uma infinidade de casos de uso. De fato, identificamos mais de 20 casos de uso de alto valor na operação de mineração de nossos clientes. como monitorar a integridade das berms e a condição da estrada, rastrear equipamentos portáteis (por exemplo, bombas, tubos, rastreadores etc.), rastreando o inventário de peças de reposição e material de trabalho em andamento no local da mina e muito mais. Na instância de nosso cliente, por exemplo, entre outros casos de uso, focamos na criação e manutenção de um banco de dados de inventário de tubos (e condições associadas) em todo o site da mina. Aproveitando as fundações de detecção de objetos-e combinando-os com o reconhecimento de caracteres ópticos de código aberto (OCR)-demonstramos a capacidade de conectar cada comprimento do tubo ao redor do local e amarrá-lo a um ID exclusivo no banco de dados do tubo. A combinação de “Spot the Difference” AI e OCR permitiu que o banco de dados fosse construído do zero - e qualquer alteração na condição do tubo, localização do tubo ou uso do tubo fosse capturada como parte dos voos regulares do drone em todo o site. além do monitoramento tradicional de processos. A partir de nossa experiência, vários casos de uso podem ser construídos imediatamente sobre os feeds de câmeras de vigilância existentes ou imagens de voo de drones - sem a necessidade de injetar capital para hardware caro. Fornecer uma visão sincera das operações e fornecer incansavelmente insights analíticos profundos pode aumentar a eficiência operacional ao promover a segurança e

Imagine you have a system that can automatically pick up fine details that even human eyes can miss, even at a large scale. By leveraging drone data and the technical AI foundation of the classic game, we can ideate and support a multitude of use cases. In fact, we identified more than 20 high-value use cases at our client’s mining operation.

Above is an example of our foundational algorithm taking on its own "Spot the Difference” and being able to solve it for a split second.

With this foundation, one can extend the logic to enable use cases such as monitoring integrity of berms and road condition, tracking portable equipment (e.g. pumps, pipes, screeners, etc.) moves, tracking inventory of spares and work-in-progress material across the mine site and many more. In our client’s instance, for example, among other use cases we focused on building and maintaining a database of pipe inventory (and associated conditions) across the mine site. Leveraging the object detection foundations—and combining them with open-source Optical Character Recognition (OCR)—we demonstrated the ability to connect each length of pipe around the site and tie it to a unique ID in the pipe database. The combination of “spot the difference” AI and OCR enabled the database to be built from scratch—and any changes in pipe condition, pipe location, or pipe usage to be captured as part of regular drone flights across the site.

The Future of Computer Vision in Mining

Computer vision can help the mining industry in many ways beyond traditional process monitoring. From our experience, several use cases can be built immediately on top of existing surveillance camera feeds or drone flight imagery—without the need to inject capital for expensive hardware.

The alignment between computer vision and drone technology opens up many new opportunities in the mining industry. Providing a candid view of operations and tirelessly delivering deep analytical insights can enhance operational efficiency while promoting safety and Operações sustentáveis ​​.

As these technologies continue to advance, their potential to revolutionize the mining industry further is boundless. Mining companies that embrace these innovations stand to gain a competitive edge, ensuring their operations are not only profitable—but also aligned with best practices for environmental stewardship and worker safety.