ИИ научился находить опасные трещины в металле прямо на конвейере

Инженеры Московского Политехнического университета создали нейросеть, которая автоматически выявляет трещины и другие критические дефекты в литых металлических деталях прямо во время производства. Система обещает заменить утомительный ручной осмотр, повысить точность контроля и минимизировать риск аварий в авиации, автомобилестроении и энергетике. Об этом рассказали разработчики в беседе с «Газетой.Ru».

Почему ручной контроль больше не справляется

На современных заводах литые детали (корпуса, кронштейны, турбинные лопатки и т.д.) проходят визуальный контроль качества глазами инспектора. Человек смотрит на горячую или остывшую поверхность, оценивает трещины, поры, раковины, окислы. Метод простой, но крайне ненадёжный:

• глаз устаёт через 1–2 часа интенсивной работы;
• освещение меняется, блики мешают;
• на сложной текстуре или окисленной поверхности тонкая горячая трещина легко остаётся незамеченной.

При этом пропущенная трещина в ответственной детали — это потенциальная катастрофа: разрушение в полёте, авария на дороге или остановка энергоблока. А объёмы производства такие, что проверить каждую деталь с микроскопической тщательностью вручную физически невозможно.

Классические алгоритмы компьютерного зрения тоже не спасают: они хорошо работают в идеальных условиях (чистая поверхность, равномерное освещение), но теряются при реальной неоднородности материала, окислении, размытых границах дефекта или когда трещина сливается с естественным рельефом отливки. Итог — либо ложные браковки (потери производства), либо пропуски (риск аварии).

Как работает новая система

Разработчики объединили две технологии:

• Сверточная нейронная сеть анализирует изображение детали, находит подозрительные области и классифицирует дефекты.
• Нечёткая логика (fuzzy logic) обрабатывает неопределённость: степень окисления, тип поверхности, материал, контекст изображения. Вместо жёсткого «дефект/нет дефекта» система выдаёт взвешенную оценку опасности.

«Мы объединяем сверточную нейронную сеть, которая анализирует изображение детали, с нечёткой логикой, которая умеет работать с неопределённостью. Система не просто фиксирует трещину, — она оценивает степень её опасности с учётом контекста: характера поверхности, степени окисления, типа материала. Это принципиально другой уровень диагностики по сравнению с тем, что есть сейчас», — пояснил автор разработки Сергей Кузовов.

Нейросеть обучается на большой размеченной базе: исследователи собирают тысячи фотографий реальных дефектных отливок, вручную отмечают каждый дефект (трещина, пора, раковина), указывают его форму, размер, расположение. Чем разнообразнее база (разные сплавы, освещение, углы съёмки), тем лучше модель обобщает на новые детали.

Нечёткая логика помогает в самых сложных пограничных случаях — там, где обычный алгоритм дал бы неверный однозначный ответ.

Что будет в итоге

По плану разработчиков, система превратится в полноценный промышленный модуль: камеры на конвейере, обработка в реальном времени, интеграция с системой управления производством, автоматическая маркировка брака, отчёты и документация. Уже сейчас идёт сбор данных и обучение модели; в ближайшее время начнутся промышленные испытания на реальном заводе.

Если всё пройдёт успешно, технология позволит:

• сократить количество ложного брака;
• почти исключить пропуски опасных дефектов;
• ускорить контроль в разы;
• снизить человеческий фактор и связанные с ним риски.

Вкратце

Учёные Московского Политеха создали гибридную систему ИИ: сверточная нейросеть + нечёткая логика. Она автоматически находит и оценивает опасность трещин и дефектов в литых металлических деталях прямо на производственной линии. Технология обещает заменить ненадёжный ручной осмотр, работает с неопределённостью реальных поверхностей и может радикально повысить безопасность в авиации, авто- и энергопроме. Разработка идёт к промышленному внедрению.