ru en

Мои проекты

На данной странице приведены мои проекты (законченные и еще реализуемые). Для каждого проекта приведено название, статус, участники, цель и краткое описание.

Оглавление

  1. Оптический анализатор гранулометрического состава
  2. Оптический анализатор качества обработки минеральных удобрений кондиционирующими добавками
  3. Анализ минеральных удобрений по технологии "отпечатка пальца" (ЭД РФА прессованных гранул)
  4. Модификация параметра "солевой индекс" для минеральных удобрений
  5. ЭД РФА анализ минеральных удобрений с поправкой на оптическое детектирование частиц порошков
  6. Проточный анализ фосфорной кислоты ЭД РФА методом
  7. Оптическая идентификация крупности частиц запрессованного порошка
  8. Использование концепции "исправленного" аналитического сигнала для расчета метрологических характеристик многомерных методов анализа данных в аналитической химии
  9. Оптико-электронный микроскоп для изучения свойств гранул минеральных удобрений
  10. Методики
  11. Научно-испытательный центр "Технология контроля"
  12. Специализации (дополнительное образование и подготовка)

1. Оптический анализатор гранулометрического состава

Назад к оглавлению

Автоматический оптический анализатор гранулометрического состава Автоматический оптический анализатор гранулометрического состава
Рис. 1. Автоматический оптический анализатор гранулометрического состава удобрений (АГС) для отбора с конвейера и закрытой трубы. 1 - лента конвейера; 2 - поворотное отбирающее устройство; 3 - вибрационная система; 4 - блок оптического анализа пробы (аналогично и для второго рисунка).

Цель

Оперативный контроль гранулометрического состава промышленно производимых минеральных удобрений (оптико-электронный метод на основе машинного зрения, Python и OpenCV). Позволяет снизить количество выпускаемого брака и увеличить управляемость процессом производства.

Краткое описание проекта

Предложена система автоматизированного онлайн контроля в производственных условиях при отборе гранул с ленты конвейера или в закрытой трубе (течки). Устройство состоит из трех независимых частей: системы отбора проб, системы подачи проб в область анализа и блок оптико-электронного детектирования гранул.

К особенностям разработки относятся: онлайн анализ гранулометрического состава, возможность анализа формы и цвета гранул, работа в производственных условиях и передача данных в заводскую информационную систему PISystem (АСУТП).

Отбор пробы осуществляется роботизированной поворотной системой. Затем проба подается в область анализа за счет линейных вибраций системы подачи проб. Вся схема отбора и подачи пробы регулируется встроенным в блок анализа компьютером.

Алгоритм расчета параметров гранул состоит из получения оптико-электронного изображения (трехмерная RGB матрица интенсивностей пикселей), предварительной обработки изображения (сглаживание, бинаризация, морфология), расчета замкнутых контуров, аппроксимация найденных контуров эллипсами и расчета параметров эллипсов (длинная и короткая оси, отношения осей, средняя RGB интенсивность цвета внутри эллипса).

Все стадии получения и обработки информации автоматизированы и реализованы на языке программирования Python 3.7. Способ прошел опытно промышленные испытания и теперь активно используется на АО "Апатит", г. Череповец.

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения, администрирование (сети, передачи данных, операционной системы) и разработка проекта.
  • Шабалов В.А. - создание прототипа устройства (разработка и изготовление вибрационной системы подачи проб и оптического блока анализа).
  • Меньшиков К.А. - организация системы управления и электропитания системы.
  • Надежин М.Н., Агафонов Ю.А., Соколов В.В. - помощь во внедрении проекта в промышленную практику.

2. Оптический анализатор качества обработки минеральных удобрений кондиционирующими добавками

Назад к оглавлению

Оптический анализатор степени обработки КД
Рис. 2. Оптический анализатор степени обработки кондиционирующими добавками: a) внешний вид устройства; b) фотография гранул в ультрафиолетовом (УФ) свете (обработанные гранулы флуоресцируют, автоматически распознанные с заданной точностью гранулы обведены зелеными контурами).

Цель

Оперативный контроль степени обработки гранул минеральных удобрений кондиционирующими добавками (оптико-электронный способ). Позволяет снизить потребление кондиционирующих добавок (КД) в производстве (дорогое сырье).

Краткое описание проекта

Разработан метод и устройство контроля степени обработки минеральных удобрений КД. Метод заключается в использовании специально сконструированного аналога "темной комнаты". Для освещения используется светодиодная УФ подсветка (зависит от типа КД, в общем случае 360 нм).

К особенностям разработки относятся: быстрота и экономичность анализа, представление "оцифрованного" результата (результата в цифрах), новые метрики качества обработки КД (равномерность обработки), определение гранулометрического состава пробы, работа в производственных условиях и передача данных в заводскую информационную систему PISystem.

Прибор может комплектоваться встроенным компьютером или подключаться к ноутбуку. Управление и расчет осуществляется через специальное программное обеспечение "CA Calc" (Python 3.7). Предложенный метод и устройство позволяют получать данные о равномерности и полноте обработки гранул КД (или любыми другими добавками).

Алгоритм расчета параметров гранул состоит из отбора представительной навески удобрений (около 50 г., доказано); измерения гранул в специальной кювете; распознавания гранул (аналогично проекту No 1) и расчета полноты обработки гранул (процент светящихся гранул по отношению к не светящимся) и удельной яркости изображения. Предложенный способ планируется к внедрению на Балаковском филиале АО "Апатит", г. Балаково.

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения и разработка проекта.
  • Шабалов В.А. - создание прототипа устройства.
  • Сидорова Е.Е. - помощь в подготовке презентаций проекта и написании научной литературы.
  • Надежин М.Н. - помощь во внедрении проекта в производственную практику.

3. Анализ минеральных удобрений по технологии "отпечатка пальца" (ЭД РФА прессованных гранул)

Назад к оглавлению

анализ и идентификация производителя минеральных удобрений
Рис. 3. Анализ и идентификация производителя минеральных удобрений по "отпечаткам пальцев": a) внешний вид ПО с кластерами производителей и брендов минеральных удобрений; b) готовый к идентификации объект (прессованные гранулы на подложки из борной кислоты).

Цель

Обеспечение экспресс-идентификации минеральных удобрений (МУ) по производителю и "стандартности" с использованием рентгенофлуоресцентного анализа (РФА).

Краткое описание проекта

В рамках проведенного исследования поставлены и решены следующие задачи: * определение производителя МУ по РФА спектру; * определение стандартности МУ по РФА спектру * разработано и реализовано программное обеспечение для анализа рентгенофлуоресцентного спектра удобрений; * составлена методика работы для идентификации неизвестного удобрения; * предложено инструментальное сопровождение разработанного подхода.

Описанный способ позволяет анализировать типы удобрений по методике "отпечатков пальцев" (используя уникальный для каждого типа удобрения ЭД РФА спектр). Это позволит упростить процедуру идентификации производителя удобрения и обеспечить экспресс-анализ на соответствие заявленному основному химическому составу (стандартность).

В качестве основного источника информации в представленной работе использованы Российские ЭД РФ-спектрометры «РЕАН», «X-Spec» и «Панда» (АО «Научные приборы»). Предложенный подход включает использование методов многомерного анализа данных, что позволило максимально упростить пробоподготовку. Использовалось только прессование гранул на подложке из борной кислоты. Полученные таблетки измерялись в одинаковых условиях на одинаковых приборах. В качестве маркеров для классификации объекта использовался весь спектр. Это позволило обеспечить учет явных и не явных свойств продукции.

С помощью статистических алгоритмов обработки данных с понижением размерности (проекция на две главные компоненты) и статистики \(chi^2\) получилось точно идентифицировать все зашифрованные объекты (удобрения компании "ФосАгро"). Установлено, что исследованные классы удобрений отлично разделяемы на плоскости (2 главные компоненты).

Написано специальное программное обеспечение, которое позволяет осуществлять все расчеты. При запуске обработки неизвестного спектра автоматически рассчитывается расстояние от него до центров классов и статистика критерия хи-квадрат. Чем меньше расстояние и значение статистики, тем ближе исследованный спектр к тому или иному классу удобрений по основному химическому составу (P, S, Ca, Fe, и т.д.) и физическим свойствам (плотность, содержание влаги и т.д.).

Общее время анализа одной пробы не превышает 5 минут. Расходным материалами для анализа является только борная кислота.

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения и разработка проекта.
  • Бахвалов А.С. - предоставление ЭД РФА спектрометров АО "Научные приборы" для исследований.

4. Модификация параметра "солевой индекс" для минеральных удобрений

Назад к оглавлению

свидетельство о регистрации ПО Рис. 4. Свидетельство о регистрации программного обеспечения для расчета модифицированного солевого индекса минеральных удобрений.

Цель

Модификация существующего экспресс-параметра для оценки солевого эффекта удобрений (насколько сильно они поглощают влагу из почвы и посевов).

Краткое описание проекта

В производственной и научной литературе для оценки солевого эффекта минеральных удобрений (МУ) существует параметр "солевой индекс" (СИ). Однако данный критерий, предложенный Д. Мортведом в 1943 году, уже устарел и не является информативным. С момента его ввода производство минеральных удобрений претерпело сильные изменения. Поменялись типы технологических линий и сильно возросло количество марок удобрений. Кроме того, с годами возникла сильная путаница при определении СИ (осмотическое давление почвенных растворов, проводимость почвенных растворов, проводимость растворов на воде и т.д.).

Было принято решение модифицировать данный параметр с учетом современных требований и сделать его расчет более точным и представительным. Дополнительной задачей являлось обеспечение возможности экспериментального расчета солевого индекса (для более представительного расчета и возможности аттестации методики измерений).

Параметр отражает проводимость почвенных растворов удобрений и согласно литературным данным является аддитивной величиной. Он может быть рассчитан по табличным данным для основных компонентов МУ (в общем случае их содержание превышает 10 мас. %). Мы поставили под сомнение такую трактовку СИ и доказали, что даже небольшие примесные соединения в минеральных удобрениях могут оказывать значимое влияние на осмотическое давление в растворе (от 1 мас. %). В нашей работе предложено использование поправки на примесные соединения МУ (с учетом их фазового состава, "модифицированный способ"). Дополнительно разработан экспериментальный расчет (методика) где рассчитывается проводимость 0.1 \% раствора конкретного минерального удобрения относительно 0.1 \% раствора \(NaNO_3\).

Для предложенного теоретического способа написано и зарегистрировано программное обеспечение "Salt Index Calculator". Практический подход реализован в отраслевой методике измерений АО "НИУИФ" и учебном методическом пособии для Череповецкого Государственного Университета (готовится к печати в 2020 г.).

Презентации проекта

  • Программное обеспечение "Salt Index Calculator", зарегистрированное в федеральном реестре России.
  • Проект отраслевой методики измерений для АО "НИУИФ".
  • Методическое учебное пособие кафедры Химических Технологий Череповецкого Государственного Университета.

Участники и их вклад в проект

  • Юновидов Д.В. - написание программного обеспечения и разработка проекта.
  • Надежин М.Н. - помощь в написании программного обеспечения.
  • Соколов В.В. и Абрамова О.А. - помощь в реализации методики измерений.

5. ЭД РФА анализ минеральных удобрений с поправкой на оптическое детектирование частиц порошков

Назад к оглавлению

комбинированный оптический и ЭД РФА анализ Рис. 5. Принцип комбинированного оптического и рентгенофлуоресцентного анализа минеральных удобрений.

Цель

Проведение комплексного экспресс-анализ минеральных удобрений на физические и химические свойства (явные и неявные, такие как содержание азота, фракционный состав и проведение предварительной сушки).

Краткое описание проекта

В работе предложены статистические способы обработки большого массива физико-химических данных (порядка 500 объектов и 30 свойств) для расчета качества промышленно производимых минеральных удобрений. Данные свойства изменяются в широких диапазонах и измеряются в неявном виде с помощью комбинированного ЭД РФА и оптического метода анализа (компьютерное распознавание изображения поверхности прессованных проб). Исследовано качество и параметры работы алгоритмов многомерной регрессии и классификации с минимальной "ручной" подготовкой данных.

В результате работы удалось определить неявные свойства удобрений, такие как: содержание азота (сигнал данного элемента не проявляется в ЭД РФА спектре), проведение предварительной сушки образца и крупность частиц запрессованного порошка (табл. 1).

Таблица 1. Результаты предсказания физических и химических свойств минеральных удобрений.

N P K S Фракция Сушка
Диапазон значений [0; 16] мас. % [15; 52] мас. % [0; 20] мас. % [0; 20] мас. %
гранулы насыпью,
прессованные: гранулы,
порошок < 500 мкм,
порошок < 100 мкм
[0, 1]
Классификация, F-мера (%)
Лин-ая 99.31 99.78 99.59 99.56 92.40 72.94
Лин-ая с L1
99.65 99.78 99.57 98.87 92.51 73.08
Лин-ая с L2 99.65 99.78 100.0 98.99 91.33 68.46
Случ. лес 100.0 100.0 100.0 98.99
98.40 73.37
Маск. знач-ий
параметр
Cl (15.56)
Ca (17.04) Cl (14.31) Ca (20.47) площадь контура (25.70)
P (11.49)
Регрессия, среднее абсолютное отклонение (мас. %)
Лин-ая 0.39 1.12 0.29 0.70 - -
Лин-ая с L1 0.60 1.32
0.42 1.04 - -
Лин-ая с L2 0.36
1.11
0.29 0.70 - -
Маск. знач-ий
параметр
K (20.19) Sr (20.17) площадь фоновой
линии (25.44
K (17.46) - -

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения, научных работ и патента, разработка проекта.

6. Проточный анализ фосфорной кислоты ЭД РФА методом

Назад к оглавлению

проточная кювета для ЭД РФА Рис. 6. Энергодисперсионный (ЭД) рентгеннофлуоресцентный (РФА) спектрометр с проточной кюветой.

Цель

Проведение экспресс-анализа фосфорной кислоты в производственных условиях на P, S, Ca, Fe.

Краткое описание проекта

Разработан алгоритм проведения непрерывного рентгенофлуоресцентного анализа экстракционной фосфорной кислоты (ЭФК). Предложенный подход испробован для установления динамики нахождения кальция, серы и фосфора для контроля технологического процесса получения фосфорной кислоты из апатита. Предложенный подход можно использовать для контроля качества ЭФК перед стадией нейтрализации аммиаком.

Пределы обнаружения ориентировочно составили: 0.1 мас. \% для P, 0.4 мас. \% для S, 0.1 мас. % для Ca и 0.004 мас. % для Fe. Среднее квадратичное отклонение для измеряемых интенсивностей характеристических линий не превысило 4.35 \%. Размах значений интенсивности не превысил 14.11 \%.

Показана возможность анализа взвешенных веществ в ЭФК по сигналам Ca и S. Создано ПО для управления спектрометром и расчета концентрации определяемых элементов.

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - проработка идеи, написание программного обеспечения и реализация проекта.
  • Бахвалов А.С. - проектирование и изготовление кюветы.
  • Соколов В.В. - помощь во внедрении проекта в производственную практику.

7. Оптическая идентификация крупности частиц запрессованного порошка

Назад к оглавлению

оптический анализ крупности частиц
Рис. 7. Пример подготовленных проб и компьютерно обработанной поверхности пробы для классификации по крупности запрессованных частиц.

Цель

Разработка автоматизированного метода классификации сыпучих материалов по размеру частиц. Источником информации служит оптико-электронное изображения в системе RGB (не зависящее от яркости, температуры и градиента освещения поверхности объекта).

Краткое описание проекта

В работе представлен и исследован способ классификации крупности частиц сыпучих материалов. Объектами исследования являются промышленно производимые минеральные удобрения. Рассмотрены пробы различного состава (порядка пяти марок минеральных удобрений) и различных степеней крупности частиц (менее 100 мкм, менее 500 мкм и гранулы 2-5 мм). Частицы проб имеют неправильную форму, близкую к сферической. Для повышения точности анализа и устранения влияние формы частиц используется предварительное прессование проб на подложке из борной кислоты.

Суть предложенного способа заключается в получении оптико-электронного изображения объекта с разрешением не менее 640x480 пикселей (трехмерная матрица интенсивности пикселей в системе Red-Green-Blue). Из полученного изображения выделяется область анализа и переводится в оттенки серого (двухмерная матрица интенсивностей пикселей с разрешением не менее 200х200 пикселей). Влияние внешнего освещение на качество анализа (градиент, температура и яркость) устраняется с помощью дифференцирования. В результате получается "карта поверхности" пробы, отражающая дефекты прессованной структуры (паттерны, отвечающие за крупность запрессованных частиц). По значению найденных паттернов проводится классификация проб по крупности запрессованных частиц. Исследовались четыре алгоритма классификации (линейный, линейный с L1 и L2 регуляризацией и нелинейный алгоритм случайного леса).

Все предложенные подходы автоматизированы и реализованы на языке программирования Python 3.7. Проведен подбор параметров работы всех описанных алгоритмов.

Презентации проекта

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения и разработка проекта.

8. Использование концепции "исправленного" аналитического сигнала для расчета метрологических характеристик при многомерном анализе данных в аналитической химии

Назад к оглавлению

исправленный аналитический сигнал
Рис. 8. Концепция исправленного аналитического сигнала на примере множественной регрессии при определение фосфора в кристаллическом МАФ.

Цель

Разработка концепции, позволяющей считать "исправленный" аналитический сигнал (с использованием многомерных статистических методов) и использовать его при разработке и аттестации методик химического анализа (используя классические метрологические подходы).

Краткое описание проекта

Предложена концепция приведения результатов многомерной статистики в привычную зависимость "аналитический сигнал - концентрация". Данный подход позволит разрабатывать методики, где используется многомерный статистический анализ с применением классических метрологических подходов (например, по РМГ 61-2010 и др.).

Презентации проекта

  • отраслевые методики анализа \(AlF_3\) и кристаллического МАФ, применяемые в АО "НУИУФ".

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи и внедрение данного подхода в методическую практику АО "НИУИФ".

9. Программное обеспечение для оптико-электронного микроскопа для изучения свойств гранул минеральных удобрений

Назад к оглавлению

изображения с оптического микроскопа Рис. 9. Пример исследования слеживаемости касающихся гранул с использованием разработанной программы и оптического USB микроскопа.

Цель

Разработка программного обеспечения, которое позволит наблюдать, записывать и анализировать объекты во времени (цветность и поверхность).

Краткое описание проекта

Разработано специальное программное обеспечение, позволяющее анализировать объекты, их цвет и поверхности соприкосновения во времени с помощью оптического USB-микроскопа. Исследования проводились с гранулами минеральных удобрений при нормальных условиях и в климатической камере.

С использованием данного метода удалось наглядно запечатлеть действие "кольцевой поры" (накопление влаги в месте контакта двух гранул с формой, близкой к сферической).

Презентации проекта -

Участники и их вклад в проект

  • Юновидов Д.В. - разработка идеи, написание программного обеспечения и разработка проекта.

10. Методики

Назад к оглавлению

методики Рис. 10. Пример использования скорректированного аналитического сигнала после многомерной регрессии для определения фтора в AlF3 (ED XRF).

Цель

Разработка и аттестация на отраслевом и государственном уровне методик для анализа промышленных объектов.

Краткое описание проекта

В процессе работы были разработаны и аттестованы на отраслевом и государственном уровне ряд методик, которые сейчас используются в АО "НИУИФ" (таблица 2). Методики разрабатывались согласно РМГ 61-2010.

Таблица 2. Разработанные методики.

Название методики Основной метод Диапазон измерений,
мас. %
Показатель относительной
точности ±δ, %
Анализ фтора в пересчете на AlF3 во
фтористом алюминии техническом
ЭД РФА 93.0 – 98.0 1.1
Анализ примесей Si в AlF3 техническом ЭД РФА 0.08-0.40 24
Анализ P2O5 в кристаллическом МАФ ЭД РФА 48.0 – 62.0 1.0
Анализ P, S, K в PKS удобрениях Волновой РФА P2O5 12.5 – 25.0
K2O 13.5 – 33.0
S 4.0 – 12.0
1.5
3.0
3.6
Анализ P2O5 в апатитовом концентрате ЭД РФА 37.0 – 40.0 1.2
Анализ Al2O3 в нефелиновом и
сиенитовом концентратах
ЭД РФА 26.0 – 30.0 1.0
Анализ солевого индекса в удобрениях Потенциометрия - -

Презентации проекта

  • Тексты методик, аттестованных АО "НИУИФ" на отраслевом уровне.

Участники и их вклад в проект

  • Юновидов Д.В. - разработка концепции методики, набор экспериментальных данных, расчет статистик.
  • Крылова Е.В. - написание текста методик, расчет статистик.
  • Абрамова О.А. - финальная проверка текста методик, помощь в расчете статистик и в идеологии набора данных.

11. Научно-испытательный центр "Технология контроля"

Назад к оглавлению

SRC
Рис. 11. Проект помещения для научно-испытательного центра.

Цель

Создание научно-испытательного центра на базе кафедры химических технологий Череповецкого Государственного Университета (ЧГУ) для обеспечения независимого контроля качества промышленно производимой продукции с акцентом на международные методики и рекомендации.

Краткое описание проекта

На базе данного научно-испытательного центра (НИЦ) планируется вести научную работу, повышать квалификацию сотрудников и студентов ЧГУ, а также сотрудников производственных предприятий Вологодской области. Выполнять договорные работы с предприятиями по обеспечению гибкого контроля качества производимой продукции.

Проведен расчет окупаемости проекта, составлена смета ремонтов помещений и закупки необходимых комплектующих. Проект прошел утверждение на научно-техническом и ученом совете ЧГУ. Ремонт помещения планируется закончить к сентябрю 2020 г. Активную деятельность планируется начать с октября 2020 г.

Презентации проекта

  • Советы ЧГУ (научно-технический и ученый).
  • 1 место в корпоративном конкурсе "Молодой руководитель" на АО "Апатит" и 3 место по всей корпорации "ФосАгро", 2019, Вологодская область.

Участники и их вклад в проект

  • Юновидов Д.В. - проработка и реализация проекта. Сопровождение и выбор ремонта лаборатории и закупки комплектующих.
  • Целикова Е.В. - проректор по научной работе ЧГУ, активная помощь в продвижении проекта со стороны ЧГУ.
  • Калько О.А. - зав. каф. химических технологий ЧГУ, активная помощь в продвижении проекта со стороны ЧГУ.
  • Аксенчик К.В. - доцент кафедры Химических технологий ЧГУ, активная помощь в продвижении проекта со стороны ЧГУ.

12. Специализации (дополнительное образование и подготовка)

Назад к оглавлению

сертификат сертификат
сертификат
Рис. 12. Итоговые сертификаты.

Цель

Получение навыков Big Data Science (Python 3.7 и R).

Краткое описание проекта

  • "Машинное обучение и анализ данных" (один год заочно, Yandex и Московский физико-технический институт, 6 курсов). Дипломный проект заключался в реализации автоматического определения эмоциональной окраски отзыва на market.yandex.ru (сентимент-анализ). Проект реализован в виде web-сервиса на flask (запуск сервиса осуществляется локально).
  • Специализация "Data Science" (один год заочно, Johns Hopkins University, 10 курсов). Дипломный проект состоял в реализации автоматического дополнения текстового ввода пользователя (сентимент-анализ). Проект реализован в виде web-сервиса на R (запуск сервиса осуществляется локально).
  • Специализация "Data science" от Microsoft (один год заочно, 11 курсов). Дипломный проект состоял в проведение исследования вопроса ренты жилья в USA.

Презентации проекта -

Участники и их вклад в проект

  • Юновидов Д.В. - прохождение всех курсов и реализация дипломного проекта.