BR102021000438A2 - METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT - Google Patents
METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT Download PDFInfo
- Publication number
- BR102021000438A2 BR102021000438A2 BR102021000438-0A BR102021000438A BR102021000438A2 BR 102021000438 A2 BR102021000438 A2 BR 102021000438A2 BR 102021000438 A BR102021000438 A BR 102021000438A BR 102021000438 A2 BR102021000438 A2 BR 102021000438A2
- Authority
- BR
- Brazil
- Prior art keywords
- iron ore
- moisture content
- conveyor belt
- identifying
- passing over
- Prior art date
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 109
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004590 computer program Methods 0.000 title claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000002596 correlated effect Effects 0.000 claims abstract description 7
- 238000012417 linear regression Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000001419 dependent effect Effects 0.000 claims description 7
- 239000003153 chemical reaction reagent Substances 0.000 claims description 6
- 238000000985 reflectance spectrum Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 7
- 238000004886 process control Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000001429 visible spectrum Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000013590 bulk material Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 235000010675 chips/crisps Nutrition 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000006072 paste Substances 0.000 description 1
- IZUPBVBPLAPZRR-UHFFFAOYSA-N pentachlorophenol Chemical compound OC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl IZUPBVBPLAPZRR-UHFFFAOYSA-N 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
Abstract
MÉTODO, SISTEMA E PROGRAMA DE COMPUTADOR PARA IDENTIFICAÇÃO DO TEOR DE UMIDADE ONLINE PRESENTE EM MINÉRIO DE FERRO PASSANTE SOBRE UMA CORREIA TRANSPORTADORA. A presente patente de invenção pertence ao campo do controle de processos na área da mineração. De forma mais específica, a invenção ensina um método, sistema e programa de computador para identificação do teor de umidade online presente em minério de ferro passante sobre uma correia transportadora. Considerando os grandes volumes comercializados, as variações do teor de umidade do minério de ferro, mesmo que pequenas, podem representar grande diferenças em termos monetários. O método, sistema e programa de computador compreende uma ou mais câmeras (1) hiperespectrais localizadas acima da correia transportadora (3) e direcionada de forma a focalizar o minério de ferro (2) conduzido pela correia transportadora (3), sendo que os espectros captado pelas câmeras (1) hiperespectrais são enviados para uma unidade de processamento (4), que é capaz de reconhecer o teor de umidade presente no minério de ferro (2) passante sobre uma correia transportadora por meio de aprendizado de máquina. O aprendizado de máquina é efetivado pelo programa de computador sendo realizado por meio de um algoritmo fundamentado em regressão não linear para a escolha dos pesos a serem correlacionados com os resultados sabidos de teor de umidade de ferro.METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT IN STRAIGHT IRON ORE ON A CONVEYOR BELT. The present invention patent belongs to the field of process control in the mining area. More specifically, the invention teaches a method, system and computer program for identifying the online moisture content present in iron ore passing over a conveyor belt. Considering the large volumes sold, variations in the moisture content of iron ore, even if small, can represent large differences in monetary terms. The method, system and computer program comprises one or more hyperspectral cameras (1) located above the conveyor belt (3) and directed so as to focus on the iron ore (2) driven by the conveyor belt (3), with the spectra captured by the hyperspectral cameras (1) are sent to a processing unit (4), which is capable of recognizing the moisture content present in the iron ore (2) passing over a conveyor belt through machine learning. Machine learning is carried out by the computer program being carried out through an algorithm based on non-linear regression to choose the weights to be correlated with the known results of iron moisture content.
Description
[001] A presente patente de invenção pertence ao campo do controle de processos na área da mineração. De forma mais específica, a invenção ensina um método, sistema e programa de computador para identificação online do teor de umidade presente em minério de ferro passante sobre uma correia transportadora para a tomada de decisão em controle de processos na área de mineração.[001] The present invention patent belongs to the field of process control in the mining area. More specifically, the invention teaches a method, system and computer program for online identification of the moisture content present in iron ore passing through a conveyor belt for decision making in process control in the mining area.
[002] O preço de comercialização do minério de ferro possui relação com o teor de umidade do mesmo. Assim, a medida da umidade nesse e em outros tipos de minério são de grande relevância para a indústria.[002] The selling price of iron ore is related to its moisture content. Thus, the measurement of moisture in this and other types of ore is of great relevance to the industry.
[003] Considerando os grandes volumes comercializados, as variações do teor de umidade do minério de ferro, mesmo que pequenas, podem representar grande diferenças em termos monetários. Por exemplo, em uma produção de 300 mil toneladas de minério de ferro com teor de umidade de aproximadamente 10% representa 30 mil toneladas de água, que fazem encarecer o custo de frete e reduzir o peço de venda.[003] Considering the large volumes sold, variations in the moisture content of iron ore, even if small, can represent large differences in monetary terms. For example, in a production of 300 thousand tons of iron ore with a moisture content of approximately 10%, it represents 30 thousand tons of water, which increases the cost of freight and reduces the selling price.
[004] Dessa forma, identificar o teor de umidade online é algo almejado no estado da técnica a fim de que se possa controlar esse teor de umidade.[004] In this way, identifying the moisture content online is something desired in the state of the art in order to control this moisture content.
[005] A umidade do minério de ferro possui dois componentes principais: a própria composição física do mineral e o processo de beneficiamento realizado a úmido, tal como a flotação, muito usada para aumentar o teor de ferro do minério. Uma redução de 1 a 4% no teor de umidade já é um ganho importante já que os custos para redução do teor de umidade são elevados. Teores típicos de umidade do minério de ferro podem variar de aproximadamente 3 a 10%. Assim, a presente invenção possui capacidade de identificação de teores de umidade com resolução adequada a esse propósito.[005] Iron ore moisture has two main components: the physical composition of the mineral itself and the wet processing process, such as flotation, widely used to increase the iron content of the ore. A reduction of 1 to 4% in the moisture content is already an important gain as the costs for reducing the moisture content are high. Typical iron ore moisture contents can range from approximately 3 to 10%. Thus, the present invention has the ability to identify moisture contents with adequate resolution for this purpose.
[006] Logo, para identificar o teor de umidade online, as imagens do minério de ferro transportados por uma correia são captadas continuamente por uma ou mais câmeras hiperespectrais sendo possível a medida do teor de umidade, o que é um grande ganho para a avaliação da qualidade do minério de ferro, sendo possível inclusive fazer controle de desumidificadores e aquecedores para a retirada da umidade.[006] Therefore, to identify the moisture content online, the images of iron ore transported by a belt are continuously captured by one or more hyperspectral cameras, making it possible to measure the moisture content, which is a great gain for the evaluation. the quality of the iron ore, and it is even possible to control dehumidifiers and heaters to remove moisture.
[007] A presente invenção permite então a identificação do teor de umidade online em amostras densas e em grandes quantidades de minérios de ferro que são transportados por uma correia.[007] The present invention then allows the identification of the moisture content online in dense samples and in large amounts of iron ores that are transported by a belt.
[008] De forma ainda mais específica, a presente invenção utiliza câmeras hiperespectrais associadas a algoritmos de visão computacional e aprendizado de máquina para identificar o teor de umidade presente em amostras de minério de ferro que passa por uma correia transportadora.[008] Even more specifically, the present invention uses hyperspectral cameras associated with computer vision and machine learning algorithms to identify the moisture content present in iron ore samples that pass through a conveyor belt.
[009] Tendo em vista que a qualidade e, como consequência, o preço do minério de ferro possui relação com o teor de umidade, um método de medição preciso e eficiente desse parâmetro é uma necessidade da indústria de mineração.[009] Considering that the quality and, as a consequence, the price of iron ore is related to the moisture content, an accurate and efficient measurement method of this parameter is a necessity of the mining industry.
[0010] Além disso, uma multa é cobrada se o teor de umidade do minério de ferro carregado no navio estiver acima do contratado, bem como existe um parâmetro denominado Limite de Umidade Transportável (TML) para evitar a liquefação de cargas de granéis dentro dos navios. A presente invenção busca evitar esses inconvenientes e prejuízos.[0010] In addition, a fine is charged if the moisture content of the iron ore loaded on the ship is above that contracted, as well as there is a parameter called Transportable Moisture Limit (TML) to prevent the liquefaction of bulk cargoes within the ships. The present invention seeks to avoid these inconveniences and losses.
[0011] Dessa forma, em mineração, há a necessidade de um controle do teor de umidade presente em amostras de minério de ferro. Para isso, são utilizados no estado da técnica os laboratórios para o controle de qualidade desse material. Embora esse método forneça uma medida de teor de umidade com grande confiabilidade, possui a desvantagem do tempo de resposta do ensaio, que leva em média duas horas.[0011] Thus, in mining, there is a need to control the moisture content present in iron ore samples. For this, the state-of-the-art laboratories are used to control the quality of this material. Although this method provides a reliable measurement of moisture content, it has the disadvantage of assay response time, which averages two hours.
[0012] Muitas vezes, um período de duas horas se mostra elevado para o controle de processo. Para reduzir esse tempo, a presente invenção utiliza câmeras hiperespectrais juntos com algoritmos de visão computacional e aprendizado de máquina para retornar o teor de umidade presente em amostras de minério transportados em uma correia.[0012] Often, a period of two hours proves to be high for process control. To reduce this time, the present invention uses hyperspectral cameras together with computer vision and machine learning algorithms to return the moisture content present in ore samples transported on a belt.
[0013] No estado da técnica são conhecidos sistemas que utilizam sensores para medida de umidade tal como aquele revelado no documento de patente EP0420895A. Ou seja, sondas para a medição de teor de umidade em materiais porosos ou fibrosos, pastas e semelhantes usando reflectometria no domínio do tempo (TDR). Esse sistema compreende um fio ou haste condutiva estendendo-se para fora e embutido em uma extremidade em um condutor base e isolado por uma região de material dielétrico.[0013] In the state of the art systems are known that use sensors to measure humidity such as the one disclosed in patent document EP0420895A. That is, probes for the measurement of moisture content in porous or fibrous materials, pastes and the like using time domain reflectometry (TDR). This system comprises a conductive wire or rod extending outward and embedded at one end in a base conductor and insulated by a region of dielectric material.
[0014] Em soluções encontradas que utilizam TDR, não funcionam bem para materiais com alta densidade como o minério de ferro.[0014] In solutions found that use TDR, they do not work well for materials with high density such as iron ore.
[0015] No estado da técnica, ainda são encontrados sistemas intrusivos por radiofrequência, que conseguem realizar medidas contínuas de material a granel, mas que precisam ter um fluxo semelhante como uma massa continua, ou seja, particulados mais finos, tais como, tintas, cascalho, serragem, cinza volante (mineral), aparas de madeira, grãos, farinha, sementes, entre outros. Nessas soluções se utiliza o princípio de medição baseado no uso de ondas na faixa de VHF, ou seja, frequência muito alta.[0015] In the state of the art, radiofrequency intrusive systems are still found, which can perform continuous measurements of bulk material, but which need to have a similar flow as a continuous mass, that is, finer particles, such as paints, gravel, sawdust, fly ash (mineral), wood chips, grains, flour, seeds, among others. These solutions use the measurement principle based on the use of waves in the VHF band, that is, very high frequency.
[0016] Existem ainda no estado da técnica soluções que utilizam micro-ondas, lasers de alta potência e raios X. Entretanto, essas técnicas utilizam métodos que envolvem altas energias e possuem custo elevado. Além disso, possuem baixa eficiência e confiabilidade. Frente aos elevados custos das soluções existentes no estado da técnica, as mineradoras optam por utilizar resultados atrasados dos ensaios laboratoriais.[0016] There are still in the state of the art solutions that use microwaves, high power lasers and X-rays. However, these techniques use methods that involve high energies and are expensive. In addition, they have low efficiency and reliability. Faced with the high costs of existing solutions in the state of the art, mining companies choose to use delayed results of laboratory tests.
[0017] A presente invenção permite de forma vantajosa o controle do teor de umidade online em grandes quantidades de minério de ferro que passam por uma correia transportadora e não somente em amostras enviadas para um laboratório. Ou seja, a presente invenção tem uma amostragem muito superior as técnicas laboratoriais e é muito mais econômica que as técnicas que utilizam lasers de alta potência e raios X.[0017] The present invention advantageously allows the control of the moisture content online in large quantities of iron ore that pass through a conveyor belt and not only in samples sent to a laboratory. That is, the present invention has a much higher sampling than laboratory techniques and is much more economical than techniques that use high power lasers and X-rays.
[0018] Assim, a presente invenção tem a vantagem de exibir os resultados do teor de umidade de forma online para o melhor controle de processo na área da mineração.[0018] Thus, the present invention has the advantage of displaying the moisture content results online for better process control in the mining area.
[0019] Além disso, outra vantagem da presente invenção é que não é necessário contato com o material para a identificação do teor de umidade.[0019] In addition, another advantage of the present invention is that contact with the material is not necessary for the identification of the moisture content.
[0020] A invenção, de forma vantajosa, não utiliza de fontes de alta potência energética e raios X, que necessitam de cuidados especiais e proteção radiológica.[0020] The invention, advantageously, does not use sources of high energy power and X-rays, which require special care and radiological protection.
[0021] O presente método e sistema possui de forma vantajosa capacidade de aprendizado através de realimentação dos dados, em um algoritmo de aprendizado de máquina.[0021] The present method and system advantageously has the ability to learn through data feedback, in a machine learning algorithm.
[0022] A presente invenção ensina um método de identificação do teor de umidade online presente em minério de ferro passante sobre uma correia transportadora, compreendendo as seguintes etapas:
- - os dados relativos à reflectância do minério de ferro passante sobre a esteira transportadora são obtidos por meio de uma câmera hiperespectral ou multiespectral localizada acima da esteira transportadora; essa etapa inclui ainda o tratamento e correção do espectro obtido por meio da câmera, fornecendo então um espectro limpo de reflectância do minério de ferro;
- - para cada espectro de reflectância obtido de cada pixel da câmera carrega-se esses valores em uma matriz X;
- - faz-se então uma relação entre os valores da matriz X com os valores de teor de umidade carregados em uma matriz Y para a realização de treinamento em aprendizado de máquina;
- - utiliza-se regressão não linear para identificar as características que melhor modelam as variáveis dependentes da matriz Y;
- - os pesos obtidos por meio da regressão não linear são correlacionados com demais resultados obtidos para matriz Y.
- - realiza-se então a aquisição da matriz X, faz-se a relação com os pesos e apresenta-se a informação do teor de umidade presente no minério de ferro.
- - data relating to the reflectance of iron ore passing through the conveyor belt are obtained by means of a hyperspectral or multispectral camera located above the conveyor belt; this step also includes the treatment and correction of the spectrum obtained through the camera, thus providing a clean spectrum of iron ore reflectance;
- - for each reflectance spectrum obtained from each camera pixel, these values are loaded into an X matrix;
- - a relation is then made between the values of the matrix X with the values of moisture content loaded in a matrix Y to carry out training in machine learning;
- - non-linear regression is used to identify the characteristics that best model the dependent variables of the Y matrix;
- - the weights obtained through non-linear regression are correlated with other results obtained for matrix Y.
- - then the X matrix is acquired, the relationship is made with the weights and the information on the moisture content present in the iron ore is presented.
[0023] Os resultados são exibidos a cada intervalo na faixa entre 1 a 2 minutos, apresentando-se uma média dos teores de umidade das amostras passadas no referido intervalo de tempo, sendo 2 minutos o tempo preferencial.[0023] The results are displayed at each interval in the range between 1 to 2 minutes, presenting an average of the moisture contents of the samples passed in that time interval, with 2 minutes being the preferred time.
[0024] O presente método pode ainda realizar a auto calibrações do método por meio do aprendizado dos resultados.[0024] The present method can also perform self-calibration of the method by learning the results.
[0025] Um sinal via protocolo industrial pode ser enviado para o gerenciamento da planta da usina dependendo do teor de umidade identificado.[0025] A signal via industrial protocol can be sent to the plant plant management depending on the moisture content identified.
[0026] O sinal via protocolo industrial pode ser variável e controlar a execução do processo, como, por exemplo, a injeção de ar quente e seco em chute de transferência, a fim de diminuir o teor de umidade do minério de ferro.[0026] The signal via industrial protocol can be variable and control the execution of the process, such as, for example, the injection of hot and dry air in a transfer chute, in order to reduce the moisture content of the iron ore.
[0027] Dessa forma, a presente invenção pode controlar por exemplo desumidificadores e aquecedores movidos a gás natural ou GLP, controlando a injeção desses gases. Além disso, por meio de sinais via protocolo industrial é possível também realizar controles de quantidade de reagentes aplicados ao minério de ferro ainda em condição de polpa, pois a depender do teor de umidade, cada reagente precisa ser inserido em proporções e quantidades dependentes do teor de umidade.[0027] In this way, the present invention can control, for example, dehumidifiers and heaters powered by natural gas or LPG, controlling the injection of these gases. In addition, by means of signals via industrial protocol, it is also possible to control the amount of reagents applied to the iron ore still in pulp condition, since depending on the moisture content, each reagent needs to be inserted in proportions and amounts depending on the content. of moisture.
[0028] Dessa forma, o sinal enviado via protocolo industrial é variável e controla uma quantidade de reagentes necessários para a execução do processamento de minério, sendo o controle da quantidade de reagentes realizado por meio de um controlador.[0028] In this way, the signal sent via industrial protocol is variable and controls an amount of reagents necessary for the execution of the ore processing, being the control of the amount of reagents carried out through a controller.
[0029] A invenção ensina ainda um sistema compreendendo uma ou mais câmeras hiperespectrais localizadas acima da correia transportadora e direcionada de forma a focalizar o minério de ferro conduzido pela correia transportadora, sendo que os espectros captados pelas câmeras hiperespectrais são enviados para uma unidade de processamento, que é capaz de reconhecer o teor de umidade presente no minério de ferro passante sobre uma correia transportadora por meio de aprendizado de máquina.[0029] The invention also teaches a system comprising one or more hyperspectral cameras located above the conveyor belt and directed in order to focus the iron ore driven by the conveyor belt, and the spectra captured by the hyperspectral cameras are sent to a processing unit. , which is able to recognize the moisture content present in iron ore passing over a conveyor belt through machine learning.
[0030] O aprendizado de máquina é efetivado pelo programa de computador sendo realizado por meio de um algoritmo fundamentado em regressão não linear para a escolha pesos a serem correlacionados com os resultados conhecidos de teor de umidade.[0030] The machine learning is effected by the computer program being carried out through an algorithm based on nonlinear regression to choose weights to be correlated with the known results of moisture content.
[0031] A unidade de processamento identifica e envia sinais elétricos ou eletromagnéticos de acordo com os diferentes níveis de teor de umidade identificados via protocolo industrial para o gerenciamento da planta de processamento de minério de ferro da usina.[0031] The processing unit identifies and sends electrical or electromagnetic signals according to the different levels of moisture content identified via industrial protocol for the management of the iron ore processing plant of the plant.
[0032] O sinal enviado via protocolo industrial pode ser variável e controlar uma quantidade de gás natural injetado em uma turbina de secagem, por exemplo, por meio de um controlador PID.[0032] The signal sent via industrial protocol can be variable and control an amount of natural gas injected into a drying turbine, for example, through a PID controller.
[0033] Um programa de computador executar as etapas do presente método utilizando o sistema aqui revelado.[0033] A computer program performs the steps of this method using the system disclosed herein.
[0034] A figura 1 mostra a assinatura espectral da reflectância de diversos materiais, tais como grama, tinta, tecido e árvore.[0034] Figure 1 shows the spectral signature of the reflectance of various materials, such as grass, paint, fabric and tree.
[0035] A figura 2a mostra a formação de imagens coloridas, onde a imagem é construída com 3 comprimentos de onda diferente azul (B), verde (G) e vermelho (R).[0035] Figure 2a shows the formation of color images, where the image is constructed with 3 different wavelengths blue (B), green (G) and red (R).
[0036] A figura 2b mostra a formação de imagens monocromáticas (M), como por exemplo uma imagem preta e branca.[0036] Figure 2b shows the formation of monochromatic images (M), such as a black and white image.
[0037] As figuras 3a e 3b mostram a representação ilustrativa de uma imagem hiperespectral. É uma estrutura de dado grande, com uma imagem (valor de reflectância) para cada comprimento de onda (figura 3a), onde os pixels podem ser analisados um a um para obter a assinatura espectral (figura 3b) de cada um deles.[0037] Figures 3a and 3b show the illustrative representation of a hyperspectral image. It is a large data structure, with an image (reflectance value) for each wavelength (figure 3a), where the pixels can be analyzed one by one to obtain the spectral signature (figure 3b) of each of them.
[0038] A figura 4 mostra a o sistema da presente invenção.[0038] Figure 4 shows the system of the present invention.
[0039] A figura 5 mostra a esteira com o suporte da câmera e seu respectivo campo de visão.[0039] Figure 5 shows the mat with the camera support and its respective field of view.
[0040] A figura 6 mostra as etapas do método de identificação de teor de umidade da presente invenção.[0040] Figure 6 shows the steps of the moisture content identification method of the present invention.
[0041] Todo material possui uma reflectância, em maior ou menor proporção, em diversas bandas do espectro visível e não-visível. Cada teor de umidade no minério de ferro possui uma assinatura espectral. Essa assinatura corresponde ao quanto o material com diferentes teores de umidade reflete cada comprimento de onda dentro do espectro visível e também fora dele.[0041] All material has a reflectance, to a greater or lesser extent, in different bands of the visible and non-visible spectrum. Each moisture content in iron ore has a spectral signature. This signature corresponds to how much material with different moisture contents reflects each wavelength within the visible spectrum and also outside it.
[0042] O exemplo mais simples do dia-a-dia são as cores (comprimento de luz visível). Cada objeto absorverá uma faixa de comprimento de onda do visível e refletirá outra faixa, que dará a característica de uma cor que a maioria de nós enxergamos. O mesmo raciocínio pode ser estendido para outros comprimentos de onda fora do espectro visível como o ultravioleta (UV) e o infravermelho (IV).[0042] The simplest everyday example is colors (length of visible light). Each object will absorb a band of visible wavelengths and reflect another band, which will give the characteristic color that most of us see. The same reasoning can be extended to other wavelengths outside the visible spectrum, such as ultraviolet (UV) and infrared (IR).
[0043] A figura-1 representa um exemplo de como a assinatura espectral muda de um tipo de material para o outro. A grama, por exemplo, possui uma assinatura espectral característica que se distingue de uma árvore. A reflectância de uma tinta se distingui de um tecido e assim por diante. Logo, cada material possui um espectro de reflectância característico que é composto da reflexão em cada comprimento de onda dentro e fora do espectro visível. Como isso, pode-se ter a assinatura espectral de cada pixel, sendo possível distinguir um material (ou elemento químico) do outro com bastante precisão.[0043] Figure-1 represents an example of how the spectral signature changes from one type of material to another. Grass, for example, has a characteristic spectral signature that distinguishes it from a tree. The reflectance of an ink is distinguished from that of a fabric and so on. Therefore, each material has a characteristic reflectance spectrum that is composed of reflection at each wavelength inside and outside the visible spectrum. As a result, one can have the spectral signature of each pixel, making it possible to distinguish one material (or chemical element) from the other with great precision.
[0044] Na presente invenção, para analisar a assinatura espectral do minério de ferro com diferentes teores de umidade, são utilizadas câmeras hiperespectrais e espectrômetros. Essas câmeras, são capazes de “tirar uma foto”, ou seja, captar a imagem de cada comprimento de onda dentro de uma banda para cada um dos pixels, podendo ser analisadas separadamente para se construir as assinaturas de cada mineral.[0044] In the present invention, to analyze the spectral signature of iron ore with different moisture contents, hyperspectral cameras and spectrometers are used. These cameras are capable of “taking a picture”, that is, capturing the image of each wavelength within a band for each of the pixels, and can be analyzed separately to build the signatures of each mineral.
[0045] A fim de elucidar como as assinaturas dos minérios com diferentes teores de umidade são geradas, utilizamos como exemplo uma câmera colorida (que é uma câmera comum). A câmera colorida realiza a aquisição de imagem em três cores básicas, vermelho (R), verde (G) e azul (B), ou seja, somente em três comprimentos de onda diferentes, conforme mostrado na figura 2a. A relação entre as intensidades de cada uma dessas três cores básicas em cada pixel forma qualquer tipo de cor do espectro de luz visível.[0045] In order to elucidate how the signatures of ores with different moisture contents are generated, we use as an example a color camera (which is a common camera). The color camera performs image acquisition in three basic colors, red (R), green (G) and blue (B), that is, only in three different wavelengths, as shown in figure 2a. The relationship between the intensities of each of these three basic colors in each pixel forms any type of color in the visible light spectrum.
[0046] A figura 2b já mostra um exemplo ainda mais antigo, a formação de uma imagem monocromática (M). As imagens em preto e branco são um exemplo de imagens monocromáticas.[0046] Figure 2b already shows an even older example, the formation of a monochromatic image (M). Black and white images are an example of monochrome images.
[0047] De forma distinta e vantajosa, na presente invenção se utilizam câmeras que são capazes de captar para cada pixel o espectro de comprimentos de onda a cada 5 nanômetros, por exemplo, em uma banda extensa do espectro entre ultravioleta e o infravermelho.[0047] Differently and advantageously, the present invention uses cameras that are capable of capturing for each pixel the spectrum of wavelengths every 5 nanometers, for example, in an extensive band of the spectrum between ultraviolet and infrared.
[0048] As câmeras utilizadas são as chamadas câmeras hiperespectrais que captam o espectro eletromagnético além da luz visível, podendo ter uma alta resolução do espectro eletromagnético.[0048] The cameras used are the so-called hyperspectral cameras that capture the electromagnetic spectrum in addition to visible light, and may have a high resolution of the electromagnetic spectrum.
[0049] Devido a essas características, as câmeras hiperespectrais podem identificar o teor de umidade no minério de ferro presentes nas imagens captadas a partir de informações espectrais captadas por um espectrômetro. De forma distinta e vantajosa de um espectrômetro comum, essas câmeras hiperespectrais captam milhares de espectros.[0049] Due to these characteristics, hyperspectral cameras can identify the moisture content in the iron ore present in the images captured from spectral information captured by a spectrometer. Differently and advantageously from a common spectrometer, these hyperspectral cameras capture thousands of spectra.
[0050] Ou seja, para cada pixel na imagem é possível construir um gráfico de assinatura do material identificado naquele pixel.[0050] That is, for each pixel in the image it is possible to build a signature graphic of the material identified in that pixel.
[0051] A correspondência entre a imagem (pixels) captados pela câmera hiperespectrais e o teor umidade presente no minério de ferro filmado na esteira é realizado por meio aprendizado de máquina,[0051] The correspondence between the image (pixels) captured by the hyperspectral camera and the moisture content present in the iron ore filmed on the conveyor is performed through machine learning,
[0052] Além disso, a regressão não linear não assume que as características do espectro são fixas. Ou seja, isso significa que os preditores podem ser medidos com erro, o que deixa o algoritmo mais robusto.[0052] Furthermore, nonlinear regression does not assume that the spectrum characteristics are fixed. That is, this means that the predictors can be measured with error, which makes the algorithm more robust.
[0053] Assim, a regressão não linear foi o método escolhido, entre os muitos testados, para filtrar variáveis que de fato são importantes para a quantificação do teor de umidade e descartar aquelas que não influenciam na resposta.[0053] Thus, nonlinear regression was the method chosen, among the many tested, to filter variables that are in fact important for the quantification of moisture content and discard those that do not influence the response.
[0054] Com isso foi possível reduzir o custo computacional do aprendizado de máquina e tornar a presente invenção viável entre outros fatores que possibilitaram a implementação da invenção.[0054] With this, it was possible to reduce the computational cost of machine learning and make the present invention viable, among other factors that made the implementation of the invention possible.
[0055] Dessa forma, por meio da utilização de regressão não linear, foi possível modelar a relação entre medidas espectrais obtidas pelo hardware (que incluem muitas variáveis frequentemente correlacionadas entre si) e o teor de umidade do minério de ferro.[0055] Thus, through the use of nonlinear regression, it was possible to model the relationship between spectral measurements obtained by the hardware (which include many variables often correlated with each other) and the moisture content of the iron ore.
[0056] A escolha da regressão não linear ocorreu após diversas experimentações e tentativas e erros e foi o método que obteve resultado ótimo para a escolhas das características dos espectros com maior peso para o modelo de aprendizado de máquina.[0056] The choice of nonlinear regression occurred after several trials and trials and errors and it was the method that obtained the best result for choosing the characteristics of the spectra with greater weight for the machine learning model.
[0057] Em resumo, o algoritmo utiliza técnica de análise de dados multivariados utilizada para relacionar uma ou mais variáveis resposta (Y) com diversas variáveis independentes (X), baseada no uso de fatores (ou pesos).[0057] In summary, the algorithm uses a multivariate data analysis technique used to relate one or more response variables (Y) with several independent variables (X), based on the use of factors (or weights).
[0058] No caso específico em questão a matriz X é formada por valores de reflectância em diversos comprimentos de onda (a cada 5 nanômetros, por exemplo) na região entre 400 e 2500 nm e a matriz Y formada por valores dos teores de umidade das amostras de minério.[0058] In the specific case in question, the X matrix is formed by reflectance values at different wavelengths (every 5 nanometers, for example) in the region between 400 and 2500 nm and the Y matrix formed by values of the moisture contents of the ore samples.
[0059] Como isso, é possível identificar fatores (combinações das variáveis X) que melhor modelam as variáveis dependentes Y.[0059] As a result, it is possible to identify factors (combinations of X variables) that best model the Y dependent variables.
[0060] Em resumo, a presente invenção utiliza uma técnica de análise de dados multivariados para relacionar uma variável de resposta (Y) com diversas variáveis independentes (X), isto é, a forma do espectro.[0060] In summary, the present invention uses a multivariate data analysis technique to relate a response variable (Y) to several independent variables (X), that is, the shape of the spectrum.
[0061] Em outras palavras, a matriz X é formada por valores de reflectância em diversos comprimentos de onda na região entre 400 e 2500nm e a matriz Y formada por valores dos teores de umidade das amostras de minério, permitindo identificar fatores (combinações das variáveis X) que melhor modelam as variáveis dependentes Y.[0061] In other words, the X matrix is formed by reflectance values at different wavelengths in the region between 400 and 2500nm and the Y matrix is formed by values of the moisture contents of the ore samples, allowing to identify factors (combinations of the variables X) that best model the dependent variables Y.
[0062] Dessa forma, os passos são os seguintes:
- 1) Os dados relativos à reflectância do material são obtidos através da câmera hiperespectral, após tratado e corrigido, podemos dizer que temos de entrada o espectro de reflectância da área analisada;
- 2) Para cada espectro de reflectância obtido de cada pixel da câmera, determina-se os valores da matriz X;
- 3) Faz-se uma relação entre os níveis de reflectância de uma determinada luz (matriz X) com o teor de umidade (matriz Y) em conjunto de treinamento.
- 4) Utiliza-se a regressão não linear que permite identificar fatores (combinações das variáveis X) que melhor modelam as variáveis dependentes Y.
- 5) Os resultados obtidos, pesos, são correlacionados com demais resultados obtidos para Y.
- 6) Aquisição da Matriz X relação com os pesos e apresentação dos dados. Os resultados são disponibilizados a cada 2 minutos com uma média dos teores de umidade das amostras passadas naquele período.
- 7) Caso necessário, auto calibrações do modelo são realizadas através de aprendizado dos resultados.
- 1) The data related to the reflectance of the material are obtained through the hyperspectral camera, after being treated and corrected, we can say that we have the reflectance spectrum of the analyzed area as an input;
- 2) For each reflectance spectrum obtained from each camera pixel, the values of the X matrix are determined;
- 3) A relationship is made between the reflectance levels of a given light (matrix X) with the moisture content (matrix Y) in a training set.
- 4) Nonlinear regression is used to identify factors (combinations of X variables) that best model the Y dependent variables.
- 5) The results obtained, weights, are correlated with other results obtained for Y.
- 6) Acquisition of the X Matrix relation with the weights and data presentation. The results are available every 2 minutes with an average of the moisture contents of the samples passed in that period.
- 7) If necessary, model auto calibrations are performed by learning the results.
[0063] A depender dos teores de umidade presentes no minério, um sinal via protocolo industrial pode ser enviado para o gerenciamento da planta da usina.[0063] Depending on the moisture content present in the ore, a signal via industrial protocol can be sent to the plant's plant management.
[0064] Alternativamente, dependendo do teor de umidade no minério um alarme é disparado ou uma função definida pelo usuário é executada.[0064] Alternatively, depending on the moisture content in the ore an alarm is triggered or a user defined function is executed.
[0065] Um valor de teor de umidade preferencial de 4,0% pode ser estabelecido com aceitável. Um valor de teor de umidade maior que 4,0% e menor que 4,5% pode ser estabelecido como nível de alerta ou intervenção. Um valor acima de 4,5% pode ser estabelecido como não aceitável e iniciar o procedimento de intervenção no processo, tal como, o acionamento de desumidificadores e aquecedores.[0065] A preferred moisture content value of 4.0% can be set as acceptable. A moisture content value greater than 4.0% and less than 4.5% can be set as an alert or intervention level. A value above 4.5% can be established as not acceptable and start the intervention procedure in the process, such as the activation of dehumidifiers and heaters.
[0066] Diversos outros valores podem ser estabelecidos e o usuário faz diversos usos com esses sinais, como por exemplo, acionar secados e desumidificadores.[0066] Several other values can be set and the user makes several uses with these signals, such as triggering dryers and dehumidifiers.
[0067] Assim, a presente invenção ensina também um controlador, tipo PID (sistema de controle proporcional com ação integral e derivativa), de insumos para controle automático do processo.[0067] Thus, the present invention also teaches a controller, type PID (proportional control system with integral and derivative action), of inputs for automatic control of the process.
[0068] O algoritmo para a medição do teor de umidade associado a um sistema de controle proporcional com ação integral e derivativa pode controlar por exemplo injeção de gás natural de um secador.[0068] The algorithm for measuring the moisture content associated with a proportional control system with integral and derivative action can control, for example, natural gas injection from a dryer.
[0069] Lista de referências numéricas da presente invenção:
R - comprimento de onda vermelho;
G - comprimento de onda verde;
B - comprimento de onda azul;
M- monocromático;
1- câmera hiperespectral;
2- minério de ferro;
3- correia transportadora;
4- unidade de processamento;
5- monitor de vídeo;
6- nuvem.[0069] List of numerical references of the present invention:
R - red wavelength;
G - green wavelength;
B - blue wavelength;
M-monochrome;
1- hyperspectral camera;
2- iron ore;
3- conveyor belt;
4- processing unit;
5- video monitor;
6- cloud.
Claims (9)
- - os dados relativos à reflectância do minério de ferro (2) úmido passante sobre a esteira transportadora (3) são obtidos por meio de uma câmera (1) hiperespectral localizada acima da esteira transportadora (3); essa etapa inclui ainda o tratamento e correção do espectro obtido por meio da câmera (1), fornecendo então um espectro limpo de reflectância do minério de ferro (2);
- - para cada espectro de reflectância obtido de cada pixel da câmera (1) carrega-se esses valores em uma matriz X;
- - faz-se então uma relação entre os valores da matriz X com os valores de concentração de umidade do minério de ferro carregados em uma matriz Y para a realização de treinamento em aprendizado de máquina;
- - utiliza-se regressão não linear para identificar as características que melhor modelam as variáveis dependentes da matriz Y;
- - os pesos obtidos por meio da regressão não linear são correlacionados com demais resultados obtidos para matriz Y;
- - realiza-se então a aquisição da matriz X, faz-se a relação com os pesos e apresenta-se a informação do teor de umidade presente no minério de ferro (2).
- - the data relating to the reflectance of the wet iron ore (2) passing over the conveyor belt (3) is obtained by means of a hyperspectral camera (1) located above the conveyor belt (3); this step also includes the treatment and correction of the spectrum obtained by means of the camera (1), thus providing a clean spectrum of reflectance of the iron ore (2);
- - for each reflectance spectrum obtained from each camera pixel (1), these values are loaded into a matrix X;
- - a relationship is then made between the values of the X matrix with the values of iron ore moisture concentration loaded in a Y matrix to perform training in machine learning;
- - non-linear regression is used to identify the characteristics that best model the dependent variables of the Y matrix;
- - the weights obtained through non-linear regression are correlated with other results obtained for matrix Y;
- - the acquisition of matrix X is then performed, the relationship is made with the weights and information on the moisture content present in the iron ore (2) is presented.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BR102021000438-0A BR102021000438A2 (en) | 2021-01-11 | 2021-01-11 | METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT |
| PCT/BR2021/050142 WO2022147602A1 (en) | 2021-01-11 | 2021-04-07 | Method, system and computer program for online identification of the moisture content of iron ore on a conveyor belt |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BR102021000438-0A BR102021000438A2 (en) | 2021-01-11 | 2021-01-11 | METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BR102021000438A2 true BR102021000438A2 (en) | 2022-07-12 |
Family
ID=82357024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR102021000438-0A BR102021000438A2 (en) | 2021-01-11 | 2021-01-11 | METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT |
Country Status (2)
| Country | Link |
|---|---|
| BR (1) | BR102021000438A2 (en) |
| WO (1) | WO2022147602A1 (en) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6088770B2 (en) * | 2012-04-20 | 2017-03-01 | 国立大学法人広島大学 | Grain component analysis apparatus and grain component analysis method |
| WO2015195988A1 (en) * | 2014-06-18 | 2015-12-23 | Texas Tech University System | Portable apparatus for soil chemical characterization |
| CN109283148A (en) * | 2018-09-30 | 2019-01-29 | 核工业北京地质研究院 | A method of based on spectral information automatic identification rock forming mineral |
-
2021
- 2021-01-11 BR BR102021000438-0A patent/BR102021000438A2/en unknown
- 2021-04-07 WO PCT/BR2021/050142 patent/WO2022147602A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022147602A1 (en) | 2022-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kiani et al. | Integration of computer vision and electronic nose as non-destructive systems for saffron adulteration detection | |
| US7292949B2 (en) | Method and apparatus for estimating surface moisture content of wood chips | |
| Pomerantsev et al. | Process analytical technology: a critical view of the chemometricians | |
| Wang et al. | Temperature-compensating calibration transfer for near-infrared filter instruments | |
| Pimstein et al. | Performance of three identical spectrometers in retrieving soil reflectance under laboratory conditions | |
| Ullah et al. | Evaluation of three proposed indices for the retrieval of leaf water content from the mid-wave infrared (2–6 μm) spectra | |
| Xing et al. | Determining optimal wavebands using genetic algorithm for detection of internal insect infestation in tart cherry | |
| JP2007171195A (en) | Method for determining dimensional stability of wooden product using single or plurality of sensor groups | |
| Strlič et al. | Non-destructive characterisation of iron gall ink drawings: Not such a galling problem | |
| Sandak et al. | Multivariate analysis of multi-sensor data for assessment of timber structures: Principles and applications | |
| Sun et al. | Variables selection for quantitative determination of cotton content in textile blends by near infrared spectroscopy | |
| Turgut et al. | Estimation of the sensory properties of black tea samples using non-destructive near-infrared spectroscopy sensors | |
| Belyakov et al. | Control of bulk products’ humidity and grinding size by the photoluminescent method photoluminescent quality control | |
| Agresti et al. | Hyperspectral imaging as powerful technique for evaluating the stability of Tattoo Wall® | |
| BR102021000438A2 (en) | METHOD, SYSTEM AND COMPUTER PROGRAM FOR IDENTIFYING THE ONLINE MOISTURE CONTENT PRESENT IN IRON ORE ON A CONVEYOR BELT | |
| Edelman et al. | Hyperspectral imaging of the crime scene for detection and identification of blood stains | |
| Riba et al. | Recovered paperboard samples identification by means of mid-infrared sensors | |
| US20130311136A1 (en) | Rule-Based Sample Verification and Chemical Monitoring Methodology | |
| Bechmann et al. | Rapid assessment of quality parameters for frozen cod using near infrared spectroscopy | |
| Bertinetto et al. | Influence of measurement procedure on the use of a handheld NIR spectrophotometer | |
| Bansod et al. | Near Infrared spectroscopy based a portable soil nitrogen detector design | |
| Thumm et al. | Resin defect detection in appearance lumber using 2D NIR spectroscopy | |
| Mahgoub et al. | Quantitative chemical near-infrared hyperspectral imaging of Islamic paper | |
| JPH0235338A (en) | Method for monitoring and controlling holding of chemical component in water/cellulose slurry to be treated | |
| Gosselin et al. | On‐line prediction of crystallinity spatial distribution across polymer films using NIR spectral imaging and chemometrics methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] |