Проведен круглый стол на тему «Цифровая трансформация технологий неразрушающего контроля», модератор – к.т.н. Базулин А.Е. В основном тенденции в применении технологий искусственного интеллекта для задач неразрушающего контроля и мониторинга состояния заключаются в создании помощников для автоматического поиска дефектов в данных контроля.
В докладе Медведева Л.В. (НПЦ «ЭХО+») «Опыт применения нейросетей для классификации сигналов, полученных дифракционно-временным методом (TOFD)» показаны принципы выбора классификатора дефектов, создания датасета из реальных и смоделированных в программе CIVA данных, обоснована выбранная архитектура сверточной нейросети и ее доработка с целью повысить точность сегментации и классификации дефектов.
В докладе Крысько Н.В. (МВТУ им Баумана) «Опыт применения компьютерного зрения для идентификации питтинговой коррозии на основном металле» сообщается о сборе датасета из фотографий поверхности трубопроводов с питтинговой коррозией повреждениями и без нее, показан путь оптимизации гиперпараметров модели на основе собственной архитектуры сверточной нейронной сети, показаны результаты тестирования на реальном трубопроводе в процессе переизоляции. Данные классификации используются как часть общей системы контроля, включающей в себя также и ультразвуковой и вихретоковый контроль.
Ковшов Е.Е., Кувшинников В.С., Казаков Д.Ф. (АО «НИКИМТ-Атомстрой») в докладе «Симулятор промышленной радиографии на основе цифровых двойников объектов радиационного неразрушающего контроля» показали работу цифрового двойника объекта контроля (сварного шва), источника ионизирующего излучения, гибкого детектора (плёнки), мерного пояса, эталонов чувствительности, негатоскопа и денситометра. Такой подход позволяет получить практические навыки работы без необходимости организовывать работу с реальными источниками излучений. Важным достижением является то, что построена модель, позволяющая получить реалистичные изображения сварного шва, дефектов с учетом моделей, в том числе моделировать геометрическую нерезкость.
В развитие темы радиационного контроля в докладе Костюкова Д.С. и Пинигина А.Д. (Университет Иннополис) «Система искусственного анализа. Распознавание рентгеновских снимков сварных соединений» рассказано о результатах аттестации системы искусственного анализа. Отмечено, что найдено решение существенной проблема валидности разметки датасета, выполняемой экспертом вручную. Для этого потребовалось перестроить процесс разметки коллективом специалистов, чтобы сократить субъективный фактор. Достигнутый результат – автоматическое определение эталонов, качества снимка, контура шва, меток мерного пояса, дефектов с определением их типа, координат и линейных размеров. Разработанное решение автоматизирует процесс анализа снимка от его первичной обработки до составления заключения.
Романов Д.Б. (Терразонд) сделал доклад «Использование средств автоматизации и искусственного интеллекта при работе бесконтактными геофизическими методами. Примеры создания цифровых моделей на основе данных георадиолокации и индукционного профилирования». Следует отменить что способы представления и анализа данных георадиолокации и индукционного профилирования имеют несомненное сходство с данными ультразвукового контроля и обоснован взаимный обмен сведениями об обработках подобных данных с целью повышения качества изображений с последующим автоматическим анализом. Приведен пример применения нейросети при анализе границ материалов в радиограмме. Показано как строятся цифровые модели контролируемых инфраструктурных объектов.
Хохлов Д. Д. (НТЦ УП РАН) в докладе «Использование методов машинного обучения при проектировании и эксплуатации аппаратных средств измерительной видеоэндоскопии» изложил соображения по перспективе применения ИИ для улучшения качества изображений, полученных видеоэндоскопами, и по обнаружению и классификации дефектов с помощью комбинаций разных типов нейронных сетей (свёрточные, рекуррентные, трансформеры и сети с механизмом внимания). Отмечено, что при использовании нейросетевых моделей необходимо оценить допустимый уровень снижения качества исходного изображения, при котором ИИ еще не начинает галлюцинировать. Также показан пример применения нейросети для автоматизированного аберрационного синтеза оптической системы.
