|
|
 |
|
|
 |
"Ученые ПНИПУ разработали программу для распознавания дефектов на трубопроводах и линиях электропередач "
Ученые ПНИПУ разработали программный комплекс, который по изображениям с помощью нейросети находит дефекты на трубопроводах и линиях электропередач
Нейросети прочно вошли в нашу жизнь и часто используются как для рабочих, так и для личных целей. Постепенно их 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 разработали программный комплекс, который по изображениям с помощью нейросети находит дефекты на таких объектах. Уникальная программа быстро и без дорогостоящего оборудования определит повреждения и позволит своевременно предотвращать аварии.
Статья опубликована в сборнике по материалам Всероссийской научно-технической конференции «Автоматизированные системы управления и информационные технологии», 2023 год. 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, — объясняет 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, — поделился Григорий Килин.
Сейчас ученые ПНИПУ заканчивают работу над программным комплексом. После внедрения удобного интерфейса для пользователя разработку будут вводить в массовое производство и продавать предприятиям. Комплекс устроен так, что потребители смогут легко и быстро дополнительно обучать нейросеть под любой конкретный запрос, что делает программу универсальной и широко функциональной для задач распознавания и идентификации.
Контактное лицо: Пермский Политех (написать письмо автору)
Компания: ПНИПУ (все новости этой организации)
Добавлен: 03:30, 09.04.2024
Количество просмотров: 63
Страна: Россия
| В ТГУ выводят на новый уровень создание «умных покрытий», ТГУ, 21:55, 30.06.2025, Россия |
29 |
| Учёные Тольяттинского государственного университета совершенствуют технологию плазменно-электролитического оксидирования для получения принципиально новых многофункциональных smart-покрытий, применяемых в медицине и технике. |
 |
| Союз Инженеров Живой Воды завершил первый этап проекта «Водный код будущего», Союз Инженеров Живой Воды, 14:12, 21.06.2025, Россия |
205 |
| 17 июня 2025 года в формате онлайн прошло первое мероприятие масштабного стратегического проекта «Водный код будущего: кадры, технологии, решения», посвященного разработке долгосрочной программы развития водной отрасли. Мероприятие объединило ведущих специалистов, ученых и представителей бизнеса для формирования дорожной карты, направленной на обеспечение водного суверенитета и устойчивого управления ресурсами. |
|
| Игра "Несуществующее Животное", КБГУ им. Х.М. Бербекова, 13:24, 21.06.2025, |
58 |
| День 2. Фантазия без границ! Как прошло мероприятие "Несуществующее Животное"! |
|
|
|
|
|
|
|
Разделы //
Новости по странам //
Сегодня у нас публикуются //
|
|
