L’inspection des bandes transporteuses minières est une tâche dangereuse, lente et irrégulière. Ces bandes peuvent s’étendre sur des kilomètres dans des mines à ciel ouvert et souterraines, exposant les équipes d’inspection aux poussières acides, à une chaleur extrême, aux rayons UV et à des positions de travail inconfortables.
Traditionnellement, un employé doit parcourir toute la longueur de la bande et évaluer à l’œil l’état de milliers de composants. Les conditions difficiles et la difficulté à se souvenir précisément de la pièce défaillante et de son emplacement rendent cette tâche encore plus pénible.
SK Godelius aide les exploitants miniers à surveiller et entretenir ces actifs essentiels grâce à la robotique, à la vision par ordinateur et à la détection multimodale. Par exemple, avec les modèles Ultralytics YOLO, les robots de l’entreprise peuvent longer les bandes transporteuses et détecter automatiquement des composants comme les rouleaux, en signalant ceux qui manquent, sont bloqués ou surchauffent.
La robotique et l’IA au service des mines les plus difficiles au monde#
SK Godelius est une entreprise d’ingénierie et de robotique en activité depuis 2011, avec des bureaux au Chili, au Canada et en Australie. Elle associe robotique, intelligence artificielle, ingénierie et expertise approfondie du secteur minier pour concevoir des technologies adaptées aux conditions difficiles. Au fil des ans, ces technologies ont transformé la façon dont les mines abordent la sécurité et l’efficacité.
Point essentiel, l’entreprise ne se contente pas d’écrire du code : elle conçoit et construit elle-même les machines, des robots dotés de leurs propres capteurs, caméras, processeurs et capacités de traitement embarquées, capables de fonctionner avec peu ou pas de supervision humaine dans des mines à ciel ouvert et souterraines.
L’un des principaux objectifs de ce travail est de mettre les personnes à l’abri du danger. Les inspections minières exposent souvent les travailleurs à des conditions dangereuses, et SK Godelius souhaite remplacer ces tâches manuelles à haut risque par des systèmes autonomes capables de les accomplir de manière plus sûre et plus régulière.
En associant la robotique à l’IA, l’entreprise fournit aux exploitants miniers un moyen fiable et reproductible de connaître l’état de leurs équipements, transformant une tâche manuelle autrefois dangereuse en un processus standardisé et piloté par les données.
Le coût caché des inspections manuelles des bandes transporteuses#
Les bandes transporteuses sont au cœur d’une mine : elles déplacent continuellement le minerai sur des distances qui peuvent atteindre plusieurs kilomètres. Pour les maintenir en service, il faut les inspecter régulièrement. Traditionnellement, cette tâche exigeait que des employés parcourent toute la ligne à pied.
Dans les mines à ciel ouvert, ces inspections se déroulent sous un soleil intense, dans la poussière et les vapeurs acides, souvent pendant de longues périodes dans des positions inconfortables. Sous terre, les inspecteurs doivent faire face à d’autres conditions, comme des espaces confinés, une faible luminosité, une mauvaise ventilation et une visibilité limitée.
Dans les deux cas, les inspections exposent les travailleurs à des environnements exigeants et parfois dangereux. L’approche manuelle est également difficile à rendre cohérente.
Une personne seule parcourant des kilomètres de bande ne peut pas facilement repérer et mémoriser chaque défaut : quel rouleau surchauffait, lequel s’était arrêté et où se trouvait précisément le problème. Les différents quarts de travail peuvent rapporter des observations différentes. Une même bande peut donc être évaluée différemment d’un jour à l’autre, ce qui complique le suivi des problèmes et la détection de tendances au fil du temps.
Cette irrégularité a un coût réel. Dans une grande mine, la défaillance d’un convoyeur peut entraîner jusqu’à 100 000 $ de pertes de production par heure, et la réparation d’une bande déchirée peut prendre un ou deux quarts de travail complets. Sans données complètes et cohérentes, les exploitants sont souvent contraints de réagir aux pannes après leur survenue plutôt que de les prévenir.
Inspection des bandes transporteuses avec Ultralytics YOLO#
Pour automatiser les inspections des convoyeurs, SK Godelius utilise une plateforme robotisée qui longe la ligne et recueille des données visuelles, thermiques et acoustiques pendant son déplacement.
Chaque capteur a son rôle : l’analyse acoustique détecte les problèmes des rouleaux avant qu’ils ne se manifestent sous forme de chaleur, les caméras thermiques repèrent les composants qui surchauffent et un pipeline d’IA de vision s’appuyant sur les modèles Ultralytics YOLO interprète les données visuelles en temps réel.
Fig. 1. Un robot SK Godelius inspecte une bande transporteuse avec Ultralytics YOLO (Source).
Parmi les plus de 50 modes de défaillance des convoyeurs suivis par SK Godelius, environ 20 sont visuels — ceux pris en charge par le pipeline de vision par ordinateur —, tandis que les autres sont détectés par des technologies de détection complémentaires. Comme les modèles Ultralytics YOLO prennent en charge des tâches de vision par ordinateur telles que la détection d’objets, le système peut identifier les composants et les états les plus importants d’une ligne de convoyage. YOLO constitue ainsi un élément essentiel d’une solution d’inspection multimodale plus vaste.
Le système repère ainsi les rouleaux individuels et signale ceux qui manquent ou ne tournent plus, détecte les accumulations de matériaux sous la bande et relève toute anomalie par rapport à l’état normal de la ligne, comme une barrière laissée ouverte ou un objet ou un véhicule immobilisé à un endroit inapproprié.
Pour garantir la fiabilité des détections dans ces conditions exigeantes, SK Godelius a commencé avec Ultralytics YOLOv8, puis est passé à Ultralytics YOLO11. L’entreprise utilise la variante de modèle de taille moyenne, qui offre un bon équilibre entre vitesse et précision, et l’exécute sur le matériel embarqué du robot, à la périphérie du réseau plutôt que dans le cloud. Les détections sont ainsi effectuées directement sur place, sur la ligne.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Pour SK Godelius, le principal avantage des modèles Ultralytics YOLO est leur précision. Sur une ligne de convoyage, le système doit identifier précisément le composant défaillant et son emplacement. YOLO fournit les détections précises nécessaires pour localiser une pièce donnée pendant que l’inspection progresse le long de la ligne.
Fig. 2. Ultralytics YOLO déployé sur des bandes transporteuses minières (source de l’image : Godelius).
La cohérence est tout aussi importante. Un employé parcourant des kilomètres de bande ne peut pas repérer et mémoriser de façon fiable chaque défaut, mais un modèle de vision basé sur YOLO évalue la ligne de la même manière à chaque fois. Ces détections cohérentes alimentent la plateforme d’inspection plus vaste de SK Godelius, qui les transforme en rapports standardisés, en données traçables et en flux de travail de maintenance pour favoriser des décisions plus fiables.
Les modèles fonctionnent également efficacement en périphérie, directement sur le robot plutôt que dans le cloud. La détection reste ainsi 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 vapeurs acides dans l’air.
Maintenir une couverture hebdomadaire moyenne supérieure à 95 % avec Ultralytics YOLO#
En automatisant les inspections des convoyeurs au moyen d’une solution d’inspection autonome propulsée par Ultralytics YOLO, SK Godelius les a rendues plus rapides, plus sûres et bien plus cohérentes. Lorsque le système détecte un problème, il associe le résultat à une position GPS précise et envoie à l’équipe de maintenance un rapport qui localise le problème, souvent à moins d’un mètre près, avec les données justificatives.
Le remplacement des inspections à pied réduit également la fréquence d’exposition du personnel aux environnements dangereux. Grâce à des détections standardisées et reproductibles, les équipes peuvent intervenir avant que les problèmes ne s’aggravent, plutôt que de réagir après une panne, ce qui contribue à éviter les coûteux arrêts qu’un convoyeur immobilisé peut provoquer dans une grande mine.
Fig. 3. Surveillance d’une bande transporteuse minière pour détecter les défauts et les anomalies (Source).
Ces avantages sont manifestes dans l’une des activités minières de SK Godelius, où le système autonome d’inspection des bandes transporteuses a été déployé sur plus de 10 sites miniers à ciel ouvert et souterrains. Il a évalué plus de 16 convoyeurs au cours de campagnes opérationnelles, maintenant une couverture hebdomadaire moyenne supérieure à 95 %.
Au cours de cette période, il a détecté plus de 3 400 anomalies, dont plus de 900 ont été classées comme critiques, permettant aux équipes d’être averties à l’avance des problèmes les plus susceptibles d’entraîner une panne. Dans l’ensemble, le processus d’inspection est désormais traçable, reproductible et piloté par les données, ce qui aide les mines à mieux prioriser la maintenance, à repérer les risques plus tôt et à maintenir en service les actifs essentiels.
Des inspections minières plus sûres et plus intelligentes#
À mesure que SK Godelius se développe, l’entreprise cherche à élargir les capacités de détection de ses systèmes et les conditions dans lesquelles ils peuvent fonctionner. Elle étudie notamment 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 leur face inférieure. Elle souhaite également utiliser les derniers modèles Ultralytics YOLO26 afin d’améliorer encore la précision et l’efficacité de la détection.
En associant robotique, détection multimodale et Ultralytics YOLO, SK Godelius transforme l’inspection des convoyeurs, tâche manuelle dangereuse, en un processus standardisé et prédictif qui maintient les actifs essentiels en service et met les personnes à l’abri du danger.
Tu souhaites découvrir comment la vision par ordinateur peut transformer ton activité ? Explore notre dépôt GitHub pour voir comment les modèles Ultralytics YOLO transforment des secteurs grâce à des innovations comme l’IA dans l’industrie manufacturière et la vision par ordinateur en robotique. Découvre nos options de licence et lance-toi dès aujourd’hui dans une automatisation plus intelligente et plus efficace.
