Ученые ПНИПУ разработали программу для распознавания дефектов на трубопроводах и линиях электропередач

Постепенно нейросети внедряют в разные области промышленности, упрощая и ускоряя процесс производства и выпуска продукции. Например, искусственный интеллект может быть полезен для обнаружения дефектов на предприятиях. Обычно это долгая монотонная работа, требующая больших финансовых вложений и человеческих ресурсов. Особенно сложно диагностировать проблемы у протяженных технологических систем, таких как линии электропередач, газо- и нефтепроводы, автодорожные и мостовые конструкции. Ученые ПНИПУ (Пермский национальный исследовательский политехнический университет) разработали программный комплекс, который по изображениям с помощью нейросети находит дефекты на таких объектах. Программа без дорогостоящего оборудования определит повреждения и позволит своевременно предотвращать аварии. Об этом CNews сообщили представители  ПНИПУ.

Статья опубликована в сборнике по материалам Всероссийской научно-технической конференции «Автоматизированные системы управления и информационные технологии», 2023 г. Проект выполнен в рамках программы стратегического академического лидерства «Приоритет 2030».

Авария на серьезных технологических объектах может привести к простою на время ремонта и большим финансовым потерям. Протечки опасных химических жидкостей и газов могут повлечь взрывы, нанести ущерб человеку, загрязнить атмосферу и почву.

Для предотвращения таких ситуаций важно точно и своевременно находить дефекты, приводящие к отказу конструкций. Повреждения вызывают и агрессивная окружающая среда, и сторонние механические силы. Например, линии электропередач не защищены от внешнего воздействия. Сильный ветер, осадки, резкие перепады температуры часто приводят к деформациям системы. 

Существующие способы диагностики не позволяют максимально точно и быстро определять проблемные участки. Визуальное обследование целой конструкции, например, автодорожной, занимает много времени и человеческих сил. А использование различных автоматизированных средств измерения и специальных приборов для дефектоскопии обычно дорого обходится и не всегда обладает приемлемой точностью. 

«Мы разработали программу, которая на основе искусственного интеллекта способна быстро определять наличие и отсутствие дефектов на нефте- и газопроводе и линиях электропередач. С помощью оборудования, оснащенного камерой, например, дрона или беспилотного аппарата, можно снять трубопровод на видео. Оно переносится на компьютер, где программа превращает его в набор изображений. А нейросеть уже определяет, где на фото трубопровод с повреждениями, а где без», – сказал кандидат технических наук, доцент кафедры электроники и электромеханики ПНИПУ Григорий Килин. 

Все программные вычисления происходят на внешнем компьютере, поэтому для съемки можно использовать любое оборудование с камерой. Это увеличивает универсальность применения способа дефектоскопии. Подобрав правильное устройство, получится снять видео из труднодоступных участков конструкции.

Для работы нейросети необходима информация в числовом виде. Но так как программа изначально получает данные в виде фото или видео, то сначала происходит их преобразование в цифровой массив. Это занимает время, поэтому ученые рекомендуют применять для дефектоскопии именно фотофиксацию. Тогда не нужны дополнительные шаги в обработке каждого кадра видео. Есть возможность сохранять данные координат снимков и другую необходимую информацию. 

Обучение нейросети политехники проводили с помощью большого количества снимков трубопровода и линий электропередач с дефектами и без. Чтобы не допустить ошибки, в программу встроен фильтр-анализ, основанный на наложении изображений. При фотофиксации делается не одно фото каждого места, а несколько. И если искусственный интеллект говорит, что повреждение присутствует только на одной фотографии, то это ложное срабатывание.

«Человеку не обязательно видеть все данные, обрабатываемые программой. Необходимо проанализировать только те, где нейросеть нашла ошибку, а блок анализа это подтвердил. Также специалист проверяет то, что сеть не смогла отнести к той или иной категории. Такой способ значительно ускоряет процесс дефектоскопии длинномерных технологических конструкций, – отметил Григорий Килин.

Сейчас ученые заканчивают работу над программным комплексом. После внедрения интерфейса для пользователя разработку будут вводить в массовое производство и продавать предприятиям. Комплекс устроен так, что потребители смогут дополнительно обучать нейросеть под любой конкретный запрос, что  делает программу универсальной и широко функциональной для задач распознавания и идентификации.