Ақпараттық-коммуникациялық және химиялық технология

Том 1 № 30 (2026) / 2026-03-30 / Көрілім саны: 137

ТЕХНОГЕНДІК ҚАЛДЫҚТАРДЫҢ ГРАНУЛОМЕТРИЯСЫН АВТОМАТТАНДЫРЫЛҒАН ТАЛДАУ: ТЕХНОГЕНДІК ҚАЛДЫҚТАРДЫҢ ГРАНУЛОМЕТРИЯСЫН АВТОМАТТАНДЫРЫЛҒАН ТАЛДА

Авторлар

Қ.Құлажанов атындағы ҚазТБУ
https://orcid.org/0000-0001-5202-3501
Назарбаев Зияткерлік мектебі
https://orcid.org/0009-0008-1214-0867
Қ.Құлажанов атындағы ҚазТБУ
https://orcid.org/0000-0002-0744-0389

Кілтті сөздер

машиналық оқыту, модельдер, гранулометриялық құрам, техногендік қалдықтар, машиналық көру, алгоритм

DOI сілтемесі:

https://doi.org/10.58805/kazutb.v.1.30-1396

Қалай дәйексөз келтіруге болады

Акишев, К.М., et al. «ТЕХНОГЕНДІК ҚАЛДЫҚТАРДЫҢ ГРАНУЛОМЕТРИЯСЫН АВТОМАТТАНДЫРЫЛҒАН ТАЛДАУ: ТЕХНОГЕНДІК ҚАЛДЫҚТАРДЫҢ ГРАНУЛОМЕТРИЯСЫН АВТОМАТТАНДЫРЫЛҒАН ТАЛДА». ҚазТБУ хабаршысы, вип. 1, вип. 30, Березень 2026, doi:10.58805/kazutb.v.1.30-1396.

Аңдатпа

Зерттеудің өзектілігі құрылыс саласында пайдалану кезінде металлургиялық және энергетикалық өндірістің техногендік қалдықтарының гранулометриялық құрамын жедел және сенімді бақылау қажеттілігіне байланысты. Дәстүрлі әдістер, атап айтқанда Елек талдауы, жоғары еңбек сыйымдылығымен және жаппай және автоматтандырылған бақылау жағдайында шектеулі қолданылуымен сипатталады, бұл сандық талдау әдістерін енгізудің орындылығын анықтайды.

Жұмыста компьютерлік көру және машиналық оқыту технологияларын қолдана отырып, sem кескіндерін талдау негізінде қож және күл түйіршіктерінің гранулометриялық құрамын анықтаудың кешенді әдісі ұсынылған. Бұл әдіс 1240 кескінді алдын-ала өңдеу, U-net моделін қолдана отырып бөлшектерді сегментациялау, YOLOv5 негізіндегі объектілерді анықтау, геометриялық белгілерді алу және Random forest, xgboost және SVM Алгоритмдер ансамблін қолдана отырып фракцияларды жіктеу қадамдарын қамтиды. Нәтижелерді верификациялау алынған үлестірімдерді МЕМСТ 5459.2-20 және ASTM C136 сәйкес эталондық Елек талдауымен салыстыру арқылы орындалды.

Жұмыстың ғылыми жаңалығы айқын морфологиялық гетерогенділігі бар техногендік қалдықтарды талдау үшін "компьютерлік көру — Машиналық оқыту" гибридті архитектурасын қолдану болып табылады. Сандық нәтижелер орташа абсолютті қателік 6-7% болған кезде жіктеу дәлдігінің 95% - ға дейін жеткенін көрсетті, ал сапалық талдау күрделі пішіндегі және бөлшектердің тығыз орналасуындағы әдістің тұрақтылығын растады. Зерттеудің практикалық маңыздылығы қайталама шикізаттың сапасын бақылауды автоматтандыру және талдау уақытын қысқарту мүмкіндігі болып табылады. Әрі қарайғы зерттеулердің болашағы онлайн-түсірілімге көшумен, өндірістік желілермен интеграцияланумен және техногендік материалдардың деректер жиынтығын кеңейтумен байланысты.