В МАИ разработали уникальное решение по умной дефектоскопии

Обнаружение дефектов

Безопасность авиационной отрасли: Boeing сообщает , что авиационной отрасли ежегодно тратят около 40 миллиардов долларов на проверки и техническое обслуживание, связанные с безопасностью и надлежащим функционированием самолетов, двигателей и другого авиационного оборудования. Эти расходы относятся к «затратам на рабочую силу и материалы, необходимые для выполнения задач обслуживания, ремонта, модификации, восстановления, проверки, испытаний и устранения неполадок во время работ по техническому обслуживанию на борту самолета и в цеху». Системы визуального обнаружения дефектов ИИ, в том числе системы визуального ИИ на базе дронов, облегчают визуальные проверки, связанные с обслуживанием и безопасностью оборудования авиакомпаний. Эти системы предлагают более экономичные, точные и высококачественные средства обнаружения проблем до того, как они станут излишне опасными или дорогостоящими.

После установки высококачественной системы камер вдоль сборочной линии производственного предприятия и подключения камер к системе ИИ предприятия могут более эффективно и успешно обнаруживать, помечать, удалять и заменять дефектные продукты, тем самым избегая огромных затрат.

— Для машинного зрения распознавание показаний приборов сильно отличается от дефектоскопии труб. Главная сложность заключается в том, что дрон может с любой стороны подлететь к манометру, прибор может иметь разные ракурсы освещения, соответственно, получатся разные изображения. Поскольку реальных данных для обучения нейросети в нашем распоряжении было мало, мы сделали синтетический датасет, связанный с манометром. Мы изучили большой массив мировых научных публикаций и выяснили, что для стрелочных приборов, которые до сих пор используются повсеместно, не существует универсальной методики создания синтетических данных. Похожую задачу решали американские коллеги в Гарварде, но они смогли предложить решение только для неподвижной камеры, мы же сделали своё оригинальное решение для камеры БЛА в полёте, — рассказывает один из разработчиков, руководитель лаборатории искусственного интеллекта института № 8 «Компьютерные науки и прикладная математика» МАИ Вадим Кондаратцев.

Уведомление продавцов и покупателей о бракованной продукции Выявление и отслеживание бракованной продукции Транспортировка и переупаковка бракованной продукции Уничтожение и утилизация бракованной продукции Замена бракованной продукции на более качественную продукцию без дефектов Неблагоприятная реклама, наносящая ущерб репутации производителя Потеря дохода в результате неблагоприятной рекламы Стоимость усилий по маркетингу и связям с общественностью, направленных на восстановление продаж и восстановление доверия клиентов.

Современные технологии ИИ полагаются на мощные облачные серверы, которые позволяют им быстро получать визуальную информацию для обучения машинного обучения. Обучая систему компьютерного зрения сотнями тысяч или миллионами изображений определенных типов дефектов продукта, эти системы могут научиться быстро идентифицировать похожие дефекты с высокой степенью точности. Системы обнаружения дефектов визуального ИИ могут выявлять дефекты, такие как отсутствие крышек бутылок, трещины в трубопроводах, плохо окрашенные поверхности, недостающие детали, сломанные предметы, предметы неправильной формы, треснувшее стекло, треснувший металлический корпус и практически любые другие типы ошибок, которые выявляют люди-визуальные инспекторы.

Не менее сложной задачей было научить систему определять дефекты труб. Главная трудность здесь состояла в том, что дрон летает в полной темноте с зажжённым прожектором, а потому в зависимости от того, как ложится на трубу свет, меняется и изображение возможного дефекта. Таких сложных вариаций реальных изображений на практике получить невозможно, поэтому и здесь разработчики пошли по пути создания генератора синтетических данных.

Промышленные производственные предприятия. Такие предприятия должны соответствовать определенному уровню качества не только потому, что они должны предоставлять своим клиентам бездефектную продукцию, но и в соответствии с отраслевыми стандартами и государственными постановлениями. С помощью системы компьютерного зрения организации могут обучать систему обнаруживать наиболее важные дефекты, влияющие на качество продукции на промышленном предприятии. Это могут быть трещины в корпусах, сломанные продукты, недостающие детали, неприглядные царапины, пыль на окрашенных предметах, проблемы с целостностью конструкции, плохо окрашенные предметы и многое другое.

Контроль качества для инфраструктуры: когда речь идет о крупногабаритном оборудовании, используемом в производстве, и основных элементах инфраструктуры, необходимых для добычи полезных ископаемых, бурения нефтяных скважин и других крупномасштабных операций, системы визуального ИИ могут гарантировать, что жизненно важные элементы операционной инфраструктуры не будут иметь проблем. Например, система с искусственным интеллектом может отслеживать нефтепроводы и оборудование на наличие признаков нагрузки и износа. Эти системы также могут контролировать нефтяную вышку на предмет проблем, связанных с безопасностью, обнаруживая их до того, как произойдет дорогостоящий простой или опасная авария.

Искусственный интеллект в задачах дефектоскопии

— Конечно, обученный специалист распознаёт дефекты и считывает показания приборов в 100% случаев: для умной камеры это пока невозможный показатель. Но в данном случае выигрыш в скорости: дрон с умной камерой может облететь всю топку за пять минут, а человеку надо потратить несколько недель на строительство лесов и последующий осмотр, не говоря уже о рисках при проведении такого рода работ, — говорит Вадим Кондаратцев.

До недавнего времени эта идея была не более чем несбыточной мечтой. Но сегодня глобальные промышленные производители и компании, производящие потребительские товары (CPG), внедряют технологии компьютерного зрения на основе искусственного интеллекта для обнаружения производственных дефектов. Эти системы искусственного интеллекта обнаруживают недостатки с уровнем точности, который намного превышает возможности людей-инспекторов, и они также намного дешевле, чем люди-работники.

— Технически это выглядит следующим образом. Разработчик берёт целевую модель обстановки — улицу, помещение, топку котла, трубу и т.д. — и под эту целевую модель заготавливает, во-первых, базовую сцену: в нашем случае, создаёт в специальной программе 3D-модель трубы. Потом придумывает алгоритм, как, имея базовую сцену, автоматически двигать камеру, строить разметку, наносить дефекты. Как ставить фильтры, которые будут искажать изображение таким образом, чтобы моделировать реальную съёмку. Как сделать так, чтобы данные, которые генерируются на основе этого движка, упаковывались и отправлялась в фреймворк обучения нейронной сети, — отмечает эксперт.

Самые передовые технологии визуального контроля ИИ, такие как NeuroCore AI, могут создавать системы, работающие в облаке или локально в вашем контуре. Эти системы можно сразу интегрировать с существующей инфраструктурой камер. Вот несколько примеров использования системы обнаружения дефектов при помощи ИИ:

Принимая во внимание эти затраты, выгода от выявления дефектов до того, как они покинут производственное предприятие, очевидна. Тем не менее, инспекторы по человеческому дефекту мало что могут сделать для выявления производственных ошибок на промышленных предприятиях и предприятиях CPG. В то время как большинство производственных предприятий уже давно полагаются на инспекторов по дефектам, люди, занятые задачами визуального контроля, склонны утомляться, отвлекаться и совершать серьезные и дорогостоящие ошибки.

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