AI Visual untuk Konveyor Tambang & Agregat: Benda Asing, Ukuran Bongkahan, dan Material Tumpah

Kenapa Konveyor Tambang Butuh AI Visual

Di tambang batubara, tambang nikel, dan stone crusher agregat, belt conveyor adalah urat nadi produksi: material mengalir dari hopper ke crusher, screen, stockpile, lalu ke truk atau tongkang. Masalahnya, banyak gangguan berawal dari hal yang sebenarnya terlihat mata — kayu, karet, atau potongan besi yang ikut masuk ke crusher, bongkahan oversize yang menyumbat chute, atau material yang mulai tumpah dari sisi belt. Petugas patroli tidak bisa menatap belt sepanjang ratusan meter selama 24 jam.

AI visual memberi "mata" permanen di titik-titik kritis jalur konveyor. Kamera tidak menggantikan alat proteksi yang sudah ada, tetapi menangkap kejadian lebih awal dan meninggalkan foto bukti untuk tiap kejadian.

Masalah di Konveyor dan Kecocokannya dengan Kamera

Benda Asing Sebelum Crusher

Tramp metal biasanya sudah ditangani magnet separator dan metal detector. Celahnya ada pada benda non-logam: kayu dari pembersihan lahan, karung, atau potongan ban yang lolos dari detektor logam lalu menyumbat chute atau merusak screen. Model deteksi objek yang dilatih dengan foto kayu dan karung di atas tumpukan material Anda sendiri bisa memberi sinyal untuk menghentikan belt atau menyalakan alarm bagi petugas pengambil.

Tempatkan kamera cukup jauh di hulu crusher agar ada waktu berhenti — hitung dari kecepatan belt dan jarak pengereman. Prinsip trigger dan timing-nya sama dengan camera vision di conveyor cepat.

Bongkahan Oversize dan Material Tumpah

Bongkahan oversize paling mudah dinilai relatif terhadap lebar belt yang diketahui. Deteksi objek memberi kotak per bongkahan; ukuran kotak dibandingkan dengan batas yang dikalibrasi dari lebar belt. Ini estimasi, bukan pengukuran presisi — dasar kalibrasinya ada di pengukuran dimensi dengan camera vision. Untuk tren ukuran umpan crusher, estimasi semacam ini sudah cukup bernilai.

Material tumpah dipantau dengan kamera di sisi belt atau di area transfer point. Klasifikasi sederhana "normal / tumpah" sering sudah cukup; data kejadiannya membantu tim maintenance menemukan skirt rubber yang aus atau idler yang mulai miring.

Menyusun Stasiun di Lapangan

1. Titik pasang. Mulai dari satu titik dengan kerugian terbesar — biasanya belt umpan sebelum primary crusher.
2. Debu dan cuaca. Housing tahan debu dan air, kaca yang mudah dibersihkan, dan jadwal pembersihan rutin — lihat smart inspection di lingkungan ekstrem.
3. Cahaya malam. Operasi 24 jam butuh lampu sorot yang konsisten; gambar siang dan malam harus sama-sama masuk dataset. Dasarnya di panduan pencahayaan camera vision.
4. Tindakan otomatis. Sinyal ke PLC untuk alarm atau stop belt, sesuai integrasi AI inspection ke PLC. Mulai dengan alarm saja sampai false alarm terbukti rendah.
5. Retrofit kamera yang ada. Banyak site sudah punya CCTV di transfer point; cek dulu apakah layak dipakai lewat retrofit CCTV lama jadi kamera AI.

Batasan yang Perlu Dipahami

Kamera hanya melihat lapisan atas muatan; benda yang terkubur di bawah material tidak terlihat. Logam tetap menjadi tugas magnet separator dan metal detector. Tonase tetap diukur belt scale, dan gradasi ukuran halus serta kualitas (kadar abu, kalori, kadar air) tetap diuji di laboratorium. Kerusakan belt seperti sobekan memanjang juga punya sistem proteksi khusus. Posisikan AI visual sebagai lapisan tambahan yang menutup celah benda non-logam dan oversize — bukan pengganti perangkat keselamatan.

Mulai dari Benda Asing

Pilih satu belt dan satu masalah — biasanya kayu dan karung sebelum crusher. Kumpulkan foto material normal dan benda asing dari site Anda sendiri sesuai panduan dataset & anotasi, jalankan dalam mode alarm selama dua minggu, lalu ukur dengan false reject dan escape rate. Bila contoh benda asing masih sedikit, pertimbangkan deteksi anomali tanpa contoh cacat.

Nirmana VisionAI berjalan on-premise di PC lokal tanpa mengirim gambar ke cloud — cocok untuk site tambang dengan koneksi internet terbatas — dan mendukung klasifikasi, deteksi objek, serta deteksi anomali dengan training langsung dari GUI tanpa coding. Lihat paket & edisi Nirmana VisionAI untuk memulai pilot di konveyor Anda.