Um par LiDAR + câmera montado em pórtico distingue sucata ferrosa da escória resfriada em tempo real — por caminhão, por entrega, por corrida. Alimenta o planejador do mix de carga do FEA, reduz o trabalho de triagem no pátio e evita corridas fora de especificação antes de serem carregadas. Feito sob medida para as suas categorias de sucata e para a integração da sua planta.
A IA de classificação sucata-escória é um pipeline de percepção montado em pórtico que distingue sucata ferrosa da escória resfriada em tempo real em um pátio de siderurgia, usando dados fundidos de LiDAR e câmera para alimentar o planejador do mix de carga do FEA.
A dor é bem conhecida por todo operador de FEA: as entregas de sucata chegam contaminadas com escória resfriada, detritos refratários, finos oxidados e, ocasionalmente, algum bloco não ferroso. Quando essa mistura é graduada da forma errada, a cesta de carga leva a massa errada de ferro real — a corrida acaba com carga insuficiente ou excessiva, o balanço energético desvia, os fluxos precisam ser ajustados de improviso, e, no pior caso, o vazamento sai fora de especificação. O custo aparece como eletricidade desperdiçada por tonelada, desgaste extra de refratário e escorieiras que enchem mais rápido do que o cronograma previu.
Nossa abordagem funde dois sensores na entrada do pátio. Um 3D-LiDAR escaneia a geometria da carga enquanto o caminhão passa sob um pórtico — assinatura de densidade a granel, textura de superfície, estrutura de vazios. Uma câmera colorida de alta resolução acrescenta a cor do material, a tonalidade de oxidação e assinaturas visíveis de refratário ou escória. Um classificador customizado — treinado nas suas categorias de sucata (shredded, bushelling, chapas e estruturais, HMS, torneamento) e nos seus tipos de escória — retorna um detalhamento por caminhão: estimativa de tonelagem por categoria, fração de escória, sinalizadores de contaminação. O resultado é gravado diretamente no planejador de carga ou no MES via OPC UA, REST ou MQTT.
Isto não é um SaaS de prateleira. Cada usina siderúrgica tem suas próprias fontes de sucata, sua própria escorieira, seu próprio modelo de carga do FEA. Tratamos cada contrato como um build de descoberta + escopo fechado, descendendo do nosso serviço central Industrial Perception AI. Tipicamente quatro a doze semanas do contrato à ferramenta em produção, com o código e o modelo entregues a você no final.
Construído pela mesma equipe que entrega nosso pipeline LiDAR de detecção de vagões — seis centroides de tampa, erro abaixo de 5 cm, resposta em dois segundos.
Um LiDAR mais uma câmera colorida calibrada montados em um pórtico de aço na entrada do pátio de sucata ou na balança rodoviária. Os caminhões passam em velocidade normal — o sistema captura a geometria da carga e a imagem de superfície em movimento, sem precisar parar. Carcaças IP65+, óticas tolerantes a poeira, funciona em neblina, neve e iluminação noturna.
O classificador de fusão separa a carga nas suas categorias de sucata — shredded, bushelling, chapas e estruturais, HMS, torneamento — além de escória resfriada, detritos refratários e contaminação desconhecida. Estimativa de tonelagem por categoria por caminhão, máscara de segmentação para auditoria visual. Modelos retreinados nos seus dados rotulados, não em um benchmark público.
Os resultados de classificação são gravados no planejador de carga ou no MES via OPC UA, REST ou MQTT — mesmo turno, antes de a cesta ser enchida. O modelo de carga vê massas reais por categoria em vez de estimativas do operador. Entregas fora de especificação são sinalizadas antes de entrarem no mix; caminhões contaminados com escória são devolvidos ao fornecedor com a evidência anexada.
Mantemos a arquitetura chata de propósito. Três estágios fracamente acoplados, cada um testável de forma independente, cada um substituível quando a pilha de sensores muda. Construído na mesma pilha que usamos em todos os nossos trabalhos de percepção: PCL, Open3D, OpenCV, PyTorch.
O LiDAR entrega uma nuvem de pontos 3D da carga inteira do caminhão — tipicamente mais de um milhão de pontos por passagem em velocidade de pórtico. A câmera acrescenta uma imagem colorida sincronizada, calibrada pela lente e com marca temporal. Os dados brutos são gravados em armazenamento local com UUID por caminhão para trilha de auditoria e rerrotulagem.
A nuvem de pontos passa por remoção de solo, downsampling por voxels e um classificador estilo PointNet treinado nas suas categorias de sucata. A imagem colorida passa por uma CNN treinada nos mesmos rótulos. As duas cabeças são fundidas em uma única predição por voxel — tipicamente 85–95% de precisão de classificação em dados de produção, dependendo de quão limpas suas categorias de sucata realmente são.
Saída por caminhão: tonelagem estimada por categoria, fração de escória, sinalizadores de contaminação, imagens de auditoria. Grava no planejador de carga do FEA via OPC UA — ou no MES, no ERP, no sistema de gestão de pátio, no que a planta já rodar. O modelo de carga agora lê massas reais por categoria em vez de estimativas do operador.
Todos os três estágios rodam em um PC industrial no armário do pórtico. Sem dependência de nuvem, sem API externa, sem licença que "telefona para casa". O código é seu na entrega.
Cada entrega recebe um registro estruturado: detalhamento de massa por categoria de sucata, fração de escória, sinalizadores de contaminação, imagens de auditoria, ID do fornecedor, referência cruzada com o ticket da balança rodoviária. Entra no painel de qualidade de fornecedores, no ERP e no fluxo de aceitação do pátio.
Ao longo de muitos caminhões, o pátio acumula um mapa de envelhecimento: qual baia guarda qual mix de sucata, há quanto tempo está parada, quanta contaminação de escória há em cada pilha. Mesmo modelo temporal que usamos no monitoramento de pilhas — aplicado a categorias de sucata.
Para cada corrida planejada, o sistema propõe um mix de carga que atinge a química-alvo dentro das tolerâncias típicas de finos e escória — puxando do inventário real do pátio em vez de médias supostas. O metalurgista ainda aprova; o planejador cuida da escrituração.
Cada usina siderúrgica tem suas próprias fontes de sucata, seu próprio modelo de carga do FEA e seus próprios sensores de pátio existentes. Um classificador genérico resolve o caso genérico; o seu caso não é o caso genérico.
Uma pilha shredded em uma usina parece diferente de uma pilha shredded em outra — shredder diferente, feedstock diferente, história de oxidação diferente. Calibramos o modelo no seu material sob as suas condições de iluminação e poeira, e recalibramos quando o mix de fornecedores muda.
Nós trazemos a ferramenta de rotulagem e as horas de engenharia. Você traz o operador que realmente sabe o que há em cada caminhão. O resultado é um dataset rotulado que pertence a você e que você pode continuar usando à medida que o modelo evolui — sem lock-in de fornecedor nos dados de treinamento.
A maioria dos pátios siderúrgicos já tem balanças rodoviárias, portões RFID, câmeras ANPR e pontes rolantes. Nós fundimos a saída de classificação no que já existe — não substituímos o seu sistema de gestão de pátio. Suportamos OPC UA, REST, MQTT e saídas analógicas.
Você recebe o código-fonte, os pesos do modelo e o dataset rotulado na entrega. Documentamos o sistema, treinamos sua equipe e saímos limpos. Sem caixa-preta, sem licença mensal por caminhão, sem contrato de serviço do qual você não possa sair. Veja nosso FAQ sobre IP e modelo de contrato para os termos padrão.
As perguntas de modelo de contrato que ouvimos de cada cliente de siderurgia considerando um build customizado de percepção. Precisa de algo mais específico para o seu pátio? Pergunte.
Configuração de sensores, nuvens de pontos de amostra, suas categorias de sucata, sua interface do planejador de carga — qualquer coisa que você tenha. Respondemos em até dois dias úteis com uma avaliação inicial honesta e um escopo de preço fechado para o workshop de descoberta.