Jumine : Anomalies en flottation minière : amélioration et optimisation du système de détection existant

Le projet vise à améliorer un système de détection des anomalies dans des cellules de flottation, un procédé employé dans l’industrie minière. Actuellement, un détecteur d’anomalie développé par Jumine dans la cellule de flottation identifie des problèmes tels que la vitesse inappropriée de la mousse, son affaissement ou encore sa coalescence trop importante, mais ne fournit pas d’explications ni de solutions.
Le projet vise à expliquer et résoudre ces anomalies en analysant conjointement a) les données des capteurs dans la cellule de flottation et b) les images en continu de la mousse à la surface des cellules de flottation. Le stagiaire sera chargé de développer un modèle utilisant l’apprentissage automatique (AA) non supervisé pour détecter les différents types d’anomalies (labels faibles). Ces données faiblement étiquetées seront ensuite validées par un humain qui examinera les images correspondantes. Ce nouvel ensemble de données étiquetées permettra d’entraîner un classificateur capable d’identifier chaque classe d’intérêt.
Les méthodes d’explicabilité en AA fourniront des explications détaillées sur les anomalies détectées, permettant aux opérateurs de prendre des mesures correctives plus informées, améliorant ainsi l’efficacité du processus de concentration des minéraux.

Faculty Supervisor:

Christian Gagné;Jean-François Lalonde

Student:

Partner:

Jumine Inc

Discipline:

Computer science

Sector:

Mining; Professional, scientific and technical services

University:

Université Laval

Program: