В ПНИПУ создали программу, распознающую дефекты на трубопроводах и ЛЭП

Программный комплекс, способный с помощью нейросети по изображениям находить дефекты на линиях электропередач (ЛЭП), газо- и нефтепроводов, автодорожных и мостовых конструкциях, разработали ученые Пермского национального исследовательского политехнического университета (ПНИПУ), 22 марта сообщает пресс-служба вуза.

Обнаружение дефектов в строительных и промышленных конструкциях — достаточно долгая, монотонная, трудозатратная и дорогая работа. В большей степени это касается протяженных технологических систем — трубопроводов, мостов, ЛЭП и т. п.

Помочь производственным предприятиям решить эту проблему в настоящее время способны нейросети, которые уверенно внедряются во многие промышленные сферы. Уникальная программа специалистов ПНИПУ, использующая ИИ, способна без дорогостоящего оборудования быстро и точно найти повреждение, что поможет предотвратить аварию.

Результаты исследования нового метода его авторы представили в статье «Программный комплекс для дефектоскопии технологических систем», опубликованной в сборнике по материалам Всероссийской научно-технической конференции «Автоматизированные системы управления и информационные технологии», 2023 год.

Любая серьезная авария, вызывающая простой оборудования, оборачивается для предприятия крупными убытками. А если она связана с выбросами ядовитых газов или протечками опасных жидкостей, то проблемы, и не только финансовые, возрастают многократно.

Поэтому такие ситуации необходимо заранее предотвращать, а приводить к ним могут, например, агрессивная окружающая среда или сторонние механические силы. Для ЛЭП это сильный ветер, мощные ливни, резкие перепады температуры, которые способны нанести повреждения системе.

Способы диагностики, существующие в настоящее время, не способны точно и быстро находить проблемные участки на протяженных, иногда на многие километры, объектах. Так, визуальный осмотр всей, например, автодорожной конструкции займет много времени. Применение же автоматизированных средств измерения и специальных дефектоскопов обходится дорого и не всегда обеспечивает необходимую точность.

Доцент кафедры электроники и электромеханики ПНИПУ, кандидат технических наук Григорий Килин пояснил, как работает программа:

«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».

Поскольку программные вычисления производятся на внешнем компьютере, то съемку можно вести с помощью любого оборудования, оснащенного камерой, что делает комплекс более универсальным. При этом для конкретного объекта можно подобрать устройство, которое обеспечит получение видео или фото труднодоступных участков конструкции.

Нейросеть анализирует информацию, представленную в числовом виде, тогда как в программу на компьютер она поступает в фото- или видеоформате, поэтому ее сначала преобразуют в цифровой массив, что занимает некоторое время. Но если использовать для дефектоскопии именно фотофиксацию, то не потребуется время для обработки каждого кадра видео. Кроме того, цифровой фотоснимок сопровождается данными о координатах съемки и некоторой другой необходимой информацией.

Обучение нейросети учеными ПНИПУ проводилось на большом объеме снимков трубопровода и линий электропередач с дефектами и без них. Встроенный в программу фильтр-анализ, основанный на наложении изображений, отсеивает случайные или испорченные фото.

При фотосъемке обязательно делается несколько фото каждой намеченной позиции объекта. Поэтому, если ИИ выясняет, что повреждение присутствует только на одной из фотографий данного места на объекте, то этот снимок оценивается как 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», — рассказал Григорий Килин.

В настоящее время работа над программным комплексом находится в стадии завершения. Ученые пермского Политеха совершенствуют пользовательский интерфейс, делая его наиболее удобным для потребителя. Следующим этапом станет ввод комплекса в массовое производство для поставки предприятиям.

Особенностью комплекса является его способность быстро подстраиваться под конкретные задачи, и потребители легко смогут дополнительно обучить нейросеть. Это делает программу универсальной и многофункциональной для решения задач распознавания и идентификации.