Новосибирские учёные создали ИИ‑систему для сверхточной сортировки алмазов

Исследователи из Новосибирского государственного технического университета (НГТУ) разработали инновационную систему автоматической сортировки алмазов. В основе технологии — алгоритмы машинного обучения, позволяющие с высокой точностью классифицировать минералы по цветовым характеристикам. О достижении сообщили в пресс‑службе вуза.


Комплекс включает три взаимосвязанные подсистемы: технического зрения на базе высокочувствительной камеры, подачи минералов и распределения алмазов по категориям. Работа системы выстроена в чёткую последовательность действий. Алмазы последовательно проходят через зону сканирования, где камера фиксирует цвет каждого камня. Полученные данные анализирует искусственный интеллект, который сопоставляет параметры с эталонными значениями. После этого минералы автоматически направляются в соответствующие накопительные контейнеры.

Разработанная технология демонстрирует впечатляющие показатели. Она обрабатывает до пяти алмазов в секунду с точностью классификации до 98 % и охватывает десять категорий цветности. Особенно важно, что ИИ‑алгоритмы способны выявлять минимальные цветовые различия, практически незаметные при ручной сортировке.

По словам заведующей кафедрой оптических информационных технологий (ОИТ) физико‑технического факультета НГТУ, кандидата технических наук Марины Завьяловой, интеллектуальная составляющая играет ключевую роль в системе. Искусственный интеллект обучается на масштабных массивах данных о цветовых характеристиках алмазов, благодаря чему постоянно совершенствует точность сортировки и адаптируется к новым условиям работы.

Хотя изначально система создавалась для нужд алмазодобывающей отрасли, её потенциал значительно шире. Технология может быть успешно адаптирована для сортировки других драгоценных и полудрагоценных камней, промышленных минералов и различных материалов в разных отраслях промышленности.

Внедрение разработки принесёт алмазодобывающим компаниям ощутимые преимущества. Система позволит существенно ускорить процесс сортировки, снизить влияние человеческого фактора, повысить качество классификации минералов и оптимизировать производственные затраты.

Читайте также: