Inspecter les bandes transporteuses minières est une tâche dangereuse, lente et incohérente. Ces bandes peuvent s'étendre sur des kilomètres à travers des mines à ciel ouvert et souterraines, exposant les équipes d'inspection à la poussière acide, à une chaleur extrême, aux rayons UV et à des positions de travail inconfortables.
Traditionnellement, un travailleur doit parcourir toute la longueur de la bande et évaluer à l'œil l'état de milliers de composants, un processus rendu encore plus difficile par des conditions rudes et la difficulté de se souvenir exactement quelle pièce défaillait et où.
SK Godelius aide les exploitants miniers à surveiller et à entretenir ces actifs essentiels grâce à la robotique, à la computer vision et à la détection multimodale. Par exemple, en utilisant des Ultralytics YOLO models, les robots de l'entreprise peuvent marcher le long des bandes transporteuses et détecter automatiquement des composants tels que les rouleaux, en signalant ceux qui sont manquants, bloqués ou en surchauffe.
Amener la robotique et l'IA dans les mines les plus difficiles du monde#
SK Godelius est une entreprise d'ingénierie et de robotique en activité depuis 2011, dotée de bureaux au Chili, au Canada et en Australie. Elle associe la robotique, l'intelligence artificielle, l'ingénierie et une expertise approfondie du domaine minier pour concevoir des technologies adaptées aux conditions difficiles, et au fil des ans, cette technologie a transformé la façon dont les mines abordent la sécurité et l'efficacité.
Fait crucial, l'entreprise ne se contente pas d'écrire du code ; elle conçoit et fabrique elle-même les machines : des robots qui transportent leurs propres capteurs, caméras, processeurs et intelligence embarquée, capables de fonctionner avec peu ou pas de supervision humaine dans les mines à ciel ouvert et souterraines.
L'un des objectifs principaux de ce travail est de mettre les personnes hors de danger. Les Mining inspections placent souvent les travailleurs en contact étroit avec des conditions dangereuses, et SK Godelius vise à remplacer ces tâches manuelles à haut risque par des systèmes autonomes capables d'effectuer le travail de manière plus sûre et plus cohérente.
En associant la robotique à l'IA, l'entreprise offre aux exploitants miniers un moyen fiable et reproductible de comprendre l'état de leur équipement, transformant ce qui était autrefois une corvée manuelle dangereuse en un processus standardisé et axé sur les données.
Le coût caché des inspections manuelles de convoyeurs#
Les bandes transporteuses sont l'épine dorsale d'une mine, transportant du minerai en continu sur des distances pouvant s'étendre sur des kilomètres. Assurer leur fonctionnement implique de les inspecter régulièrement, ce qui signifiait traditionnellement que des travailleurs parcouraient toute la longueur de la ligne à la main.
Dans les mines à ciel ouvert, ce travail s'effectue sous un soleil intense, de la poussière, des acides en suspension dans l'air et de longues périodes dans des positions inconfortables. Sous terre, les inspecteurs font face à d'autres conditions telles que des espaces confinés, une faible luminosité, une mauvaise ventilation et une visibilité limitée.
Dans les deux contextes, les inspections placent les travailleurs à proximité d'environnements exigeants et parfois dangereux. L'approche manuelle est également difficile à maintenir de manière cohérente.
Une seule personne parcourant des kilomètres de bande ne peut pas facilement repérer et se rappeler de chaque défaut, quel rouleau surchauffait, lequel s'était arrêté et où exactement se trouvait le problème. Différentes équipes peuvent signaler des choses différentes, de sorte que la même bande peut être évaluée différemment d'un jour à l'autre, ce qui rend difficile le suivi des problèmes ou l'identification de tendances au fil du temps.
Cette incohérence a un coût réel. Dans une grande mine, un convoyeur en panne peut coûter jusqu'à 100 000 $ par heure en production perdue, et réparer une bande déchirée peut prendre une ou deux équipes complètes. Sans données complètes et cohérentes, les exploitants sont souvent réduits à réagir aux pannes après qu'elles se sont produites plutôt qu'à les prévenir.
Inspecter les bandes transporteuses avec Ultralytics YOLO#
Pour automate conveyor les inspections, SK Godelius utilise une plateforme robotique qui se déplace le long de la ligne, capturant des données visuelles, thermiques et acoustiques lors de son déplacement.
Chaque capteur a un rôle : l'analyse acoustique décèle les problèmes dans les rouleaux avant qu'ils ne se manifestent par de la chaleur, les caméras thermiques révèlent quels composants fonctionnent à chaud, et un pipeline d'IA de vision exploitant des modèles Ultralytics YOLO interprète les données visuelles en temps réel.
Fig 1. Un robot SK Godelius inspecte une bande transporteuse à l'aide d'Ultralytics YOLO (Source)
Sur les plus de 50 modes de défaillance de convoyeur suivis par SK Godelius, environ 20 sont visuels (ceux traités par le pipeline de vision par ordinateur), tandis que les modes de défaillance restants sont détectés grâce à des technologies de détection complémentaires. Étant donné que les modèles Ultralytics YOLO prennent en charge des computer vision tasks telles que object detection, le système peut identifier les composants et les conditions qui comptent le plus sur une ligne de convoyeur, faisant de YOLO un élément central d'une solution d'inspection multimodale plus large.
Cela signifie isoler les rouleaux individuels et signaler ceux qui sont manquants ou ne tournent plus, repérer l'accumulation de matière sous la bande et détecter tout élément qui s'écarte de l'état normal de la ligne, tel qu'une barrière laissée ouverte ou un objet ou un véhicule se trouvant là où il ne devrait pas être.
Pour garantir la fiabilité des détections dans ces conditions exigeantes, SK Godelius a débuté avec Ultralytics YOLOv8 et est ensuite passé à Ultralytics YOLO11. L'entreprise exploite la variante de modèle de taille moyenne, qui offre un excellent équilibre entre vitesse et précision, et l'exécute sur le matériel embarqué du robot en périphérie plutôt que dans le cloud. Cela signifie que la détection s'effectue directement sur la ligne.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Pour SK Godelius, le principal avantage des modèles Ultralytics YOLO réside dans leur précision. Sur une ligne de convoyeur, le système doit identifier exactement quel composant défaille et où il se trouve, et YOLO fournit les détections précises nécessaires pour localiser une pièce spécifique à mesure que l'inspection progresse le long de la ligne.
Fig 2. Ultralytics YOLO déployé sur des convoyeurs miniers. Source de l'image : Godelius
La régularité est tout aussi importante. Un travailleur unique parcourant des kilomètres de bande ne peut pas repérer et se souvenir de chaque défaut de manière fiable, mais un modèle de vision basé sur YOLO évalue la ligne de la même manière à chaque fois. Cette détection cohérente alimente la plateforme d'inspection plus large de SK Godelius, qui la convertit en rapports standardisés, en traçabilité et en flux de travail de maintenance favorisant des décisions plus fiables.
Les modèles s'exécutent également efficacement en périphérie, directement sur le robot plutôt que dans le cloud. Cela garantit une détection rapide et fiable sur les sites miniers isolés, où la connectivité est limitée et les conditions exigeantes, avec de la chaleur, de la poussière et des acides dans l'air.
Maintenir une couverture hebdomadaire moyenne de plus de 95 % avec Ultralytics YOLO#
En automatisant les inspections de convoyeurs grâce à une solution d'inspection autonome alimentée par Ultralytics YOLO, SK Godelius les a rendues plus rapides, plus sûres et beaucoup plus cohérentes. Lorsque le système détecte un problème, il associe la découverte à une position GPS précise et envoie à l'équipe de maintenance un rapport qui indique l'emplacement exact du problème, souvent à un mètre près, ainsi que les données justificatives.
Remplacer les marches manuelles le long de la ligne réduit également la fréquence à laquelle le personnel est exposé à des environnements dangereux, et une détection standardisée et reproductible signifie que les équipes peuvent agir sur les problèmes avant qu'ils ne s'aggravent au lieu de réagir aux pannes après qu'elles se sont produites, contribuant ainsi à éviter les temps d'arrêt coûteux qu'un convoyeur arrêté peut provoquer dans une grande mine.
Fig 3. Surveillance d'une bande transporteuse minière pour détecter les défauts et anomalies (Source)
Ces avantages sont évidents dans l'une des opérations minières de SK Godelius, où le système autonome d'inspection de bandes transporteuses a été déployé sur plus de 10 sites miniers, à la fois à ciel ouvert et souterrains, et a évalué plus de 16 convoyeurs au cours de campagnes opérationnelles, maintenant une couverture hebdomadaire moyenne de plus de 95 %.
Au cours de cette période, il a détecté plus de 3 400 anomalies, dont plus de 900 ont été classées comme critiques, offrant aux équipes un avertissement précoce concernant les problèmes les plus susceptibles de provoquer des pannes. Globalement, le résultat est un processus d'inspection traçable, reproductible et axé sur les données, aidant les mines à améliorer la priorisation de la maintenance, à identifier les risques plus tôt et à maintenir les actifs essentiels en marche.
Construire des inspections minières plus sûres et plus intelligentes#
À mesure que SK Godelius se développe, l'entreprise s'efforce d'élargir ce que ses systèmes peuvent détecter et les conditions qu'ils peuvent gérer. Elle explore des idées telles que l'utilisation de l'imagerie 3D et de l'analyse des vibrations pour évaluer l'usure des bandes, des rayons X pour inspecter les composants des bandes, et des robots pour nettoyer sous les bandes, et elle souhaite vivement utiliser les derniers Ultralytics YOLO26 models pour pousser plus loin la précision et l'efficacité de la détection.
En associant la robotique, la détection multimodale et Ultralytics YOLO, SK Godelius transforme l'inspection des convoyeurs d'une tâche manuelle dangereuse en un processus prédictif et standardisé qui maintient les actifs essentiels en marche et met les personnes hors de danger.
Tu t'intéresses à la façon dont la computer vision peut transformer ton entreprise ? Explore notre GitHub repository pour voir comment les modèles Ultralytics YOLO transforment des innovations telles que AI in manufacturing et computer vision in robotics. Découvre nos licensing options et commence dès aujourd'hui ton parcours vers une automatisation plus intelligente et plus efficace.
