В МАИ разработали уникальное решение по умной дефектоскопии

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


В рамках проекта по промышленной дефектоскопии учёные МАИ разработали уникальную методику по созданию синтетических данных. Обученная на этих данных нейросеть позволяет снимать показания приборов при помощи умной камеры беспилотника.

Одной из важнейших проблем на промышленных объектах является поддержание исправности оборудования и инфраструктуры. Обычно эту задачу выполняют квалифицированные специалисты, но обход огромных территорий занимает много времени, а в некоторых местах — и небезопасен для человека. Для выполнения этой важной и трудной задачи в последние годы стали активно привлекать беспилотники, оснащённые умными камерами, которые позволяют в автоматическом режиме контролировать объекты инфраструктуры и снимать показания с приборов — как электронных, так и стрелочных.

Такой проект для теплоэлектростанции реализовали в МАИ. В задачи промышленного беспилотника входила, в частности, дефектоскопия труб, связанных с топкой парового котла, а также определение показаний приборов машинного зала.

По словам руководителя лаборатории искусственного интеллекта МАИ Вадима Кондаратцева, главная сложность заключалась в том, что дрон может с любой стороны подлететь к манометру, в результате чего прибор получит очень разные ракурсы освещения. Для решения этой проблемы ученые создали синтетический датасет, связанный с манометром. Они изучили большой массив мировых научных публикаций и выяснили, что для стрелочных приборов не существует универсальной методики создания синтетических данных.

Кроме того, ученые столкнулись с проблемой определения дефектов труб. Главная трудность здесь состояла в том, что дрон летает в полной темноте с зажженным прожектором, а потому в зависимости от того, как ложится на трубу свет, меняется и изображение возможного дефекта. Для решения этой проблемы ученые создали генератор синтетических данных, который позволяет имитировать различные условия освещения и получить необходимые данные для обучения нейросети.

Разработка таких исходных 3D моделей — довольно трудоемкая работа, которая в среднем занимает несколько месяцев. Однако, когда генератор готов, он способен за неделю создать несколько сотен тысяч изображений, которых вполне хватает для обучения нейросети.

По мнению Вадима Кондаратцева, обученный специалист-человек распознает дефекты и считывает показания приборов в 100% случаев, но дрон с умной камерой может облететь всю топку за 5 минут, а человеку надо потратить несколько недель на строительство лесов и последующий осмотр. Таким образом, новая методика позволяет значительно ускорить процесс дефектоскопии и снизить риски для человека. 

Уточнения

Дефектоскоп — устройство для обнаружения дефектов в изделиях из различных металлических и неметаллических материалов методами неразрушающего контроля. К дефектам относятся нарушения сплошности или однородности структуры, зоны коррозионного поражения, отклонения хим. состава и размеров и др. 

Московский авиационный институ?т — российское высшее учебное заведение, одно из ведущих в сфере авиации и космонавтики, расположенное в Москве. Институт основан 20 марта 1930 года.



Источник: www.pravda.ru

Комментарии: