Visión computarizada e IA en chancado: granulometría en tiempo real que transforma la voladura y el rendimiento del circuito

Suscríbete a Plataforma Tecnología Minera, haz clic aquí

Fragmentación con visión computarizada: granulometría en tiempo real para optimizar chancado y voladura

La adopción de sistemas de visión computarizada combinados con inteligencia artificial permite medir la granulometría de los materiales inmediatamente después de la voladura y en puntos críticos del proceso (muckpile, tolvas y bandas), entregando datos objetivos que alimentan la toma de decisiones en tiempo real para optimizar diseño de voladuras, carga/acampe, chancado y molienda. Estas soluciones (cámaras fijas, móviles o embarcadas en UAV/vehículos, integradas con software de análisis) están demostrando reducciones mensurables en costos de chancado y mejoras en productividad cuando se integran en los lazos de control y en plataformas digitales de optimización.

Tecnología: cómo funcionan cámaras + IA para granulometría en tiempo real

1. Captura de imagen y sensores
   Los sistemas emplean cámaras de alta resolución (RGB), cámaras estéreo o arreglos multicámara y, en soluciones avanzadas, sensores 3D (estereofotogrametría o sensores de profundidad) para obtener modelos volumétricos y ortomosaicos de la pila de material. La elección del sensor depende de la necesidad: imágenes 2D para PSD (particle size distribution) rápidas y sensores 3D cuando se requiere volumen y forma con alta fidelidad.
2. Preprocesamiento y calibración
   Antes del análisis se aplica corrección geométrica (calibración de lente), corrección radiométrica (iluminación) y filtrado para eliminar ruido. Se usan referencias de escala (placas, conos de referencia o algoritmos sin escala) o modelos estereoscópicos que permiten convertir píxeles a dimensiones reales, esencial para precisión en granulometría.
3. Segmentación y medición
   Los algoritmos segmentan las piezas (fragmentos) usando técnicas clásicas (detección de bordes, watershed) y/o redes neuronales profundas (segmentación semántica/instancia como Mask R-CNN o U-Net adaptadas) para separar fragmentos contiguos. Sobre cada fragmento se calculan métricas: diámetro equivalente, área proyectada, perímetro, relaciones de forma y distribución de tamaños — generando curvas PSD y parámetros operacionales clave (P80, P50, fines %). Sistemas comerciales escalan y automatizan este flujo para entregar resultados repetibles.
4. IA y modelos de confianza
   Los modelos de IA se entrenan con imágenes etiquetadas de la faena para adaptarse a condiciones locales (tipo litológico, iluminación, suciedad en cámaras). Además, se implementan filtros estadísticos y modelos de incertidumbre que cuantifican error en el porcentaje de finos y en la estimación de P80, permitiendo decidir si la medición es válida para control.

Integración en la operación: del dato al control

• Feedback al diseño de voladuras: Los resultados de granulometría alimentan plataformas de optimización de voladura (bench-to-mill), ajustando parámetros de diseño (diámetro de perforación, patrón, carga de agente) para obtener la fragmentación objetivo. Esto reduce reprocesos y pérdida por sobredestrucción.
• Control de chancado y trituración: Medición en tolva previa al chancador permite ajustar la apertura de mandíbula, velocidad de alimentación y parámetros del chancador secundario para maximizar throughput y evitar cuellos de botella. Sistemas automáticos conectados a SCADA/PLC pueden ejecutar cambios correctivos basado en la PSD medida.
• Monitoreo continuo y cuadros de mando: Dashboards muestran PSD históricos, mapas de calor del bench y alarmas de desviación. Los KPIs típicos incluyen P80, porcentaje de finos, tamaño máximo y variabilidad por sector de explotación.

Beneficios operativos cuantificables

• Mejora del rendimiento de chancado (mayor throughput y menor tasa de obstrucciones).
• Reducción de consumo energético por tonelada al evitar sobredimensionamiento de partículas en molienda.
• Menor sobrecarga en molinos y mejor recuperación de ley por fragmentación más homogénea.
• Optimización de la cadena de valor (voladura → carguío → transporte → chancado), con decisiones basadas en datos y disminución de la variabilidad operativa. Estudios y despliegues comerciales muestran retornos en productividad cuando la medición es frecuente y confiable.

Limitaciones y consideraciones técnicas

• Medición de finos: La determinación de partículas muy finas (<10–20 mm) sigue siendo la parte más desafiante por resolución y oclusión; se recomienda complementar con muestreos puntuales o sensores en bandas para calibrar la fracción fina.
• Condiciones ambientales: Polvo, iluminación variable y emplazamiento de cámara impactan precisión; soluciones robustas usan carcasas IP, limpiadores automáticos de lentes y algoritmos de normalización.
• Validación y governance de datos: Es imprescindible un plan de control y validación (muestreos físicos periódicos, trazabilidad de imágenes y versiones de modelo) para evitar tomar decisiones con datos sesgados.

Casos y soluciones comerciales

Existen soluciones comerciales probadas en operación que combinan cámaras, software de análisis y pipelines de datos para entregas en tiempo real (ej.: WipFrag/WipWare, FRAGTrack de Orica, Split/Hexagon y plataformas de visión industrial integradas por proveedores de servicios). Estas plataformas facilitan tanto análisis standalone como integración con suites de optimización de planta.

La fragmentación con visión computarizada e IA ya no es una herramienta de laboratorio: es un elemento operativo que cierra el ciclo entre voladura y chancado, reduciendo costos y elevando la predictibilidad del proceso. Para evaluar una solución a medida para su faena (evaluación de puntos de medida, tipo de sensor y modelos de IA), contacte a nuestro equipo técnico para una consultoría inicial y una prueba de concepto en campo.