Уникальная система дефектоскопии с помощью дронов

Развитие технологий требует новых подходов к обеспечению промышленной безопасности. Например, одним из важных процессов для предприятий является своевременная диагностика дефектов и повреждений различных промышленных объектов, что зачастую сопряжено с большими трудозатратами и временными потерями. Появление беспилотных летательных аппаратов, оснащённых современными системами сканирования окружающих поверхностей, позволяет вывести этот процесс на новый уровень: сделать его как более эффективным, так и более экономичным.

Совместную работу в этом направлении ведут сегодня специалисты центра «Беспилотные летательные аппараты» Московского авиационного института, кафедры 806 «Вычислительная математика и программирование» МАИ и компании Phygitalism. Команда разработала уникальную систему дефектоскопии промышленных объектов с помощью дронов на основе компьютерного зрения, а сейчас развивает свой проект, внедряя анализ облаков данных, полученных с лидарных камер.

Нейросеть и цифровые двойники

Созданная командой система дефектоскопии с помощью компьютерного зрения позволяет выявлять на поверхности промышленных объектов такие повреждения, как трещины, вздутия, свищи, очаги коррозии и многие другие.

— Работа над комплексом для дефектоскопии промышленных объектов включила в себя широкий спектр задач, — рассказывает заместитель директора центра «Беспилотные летательные аппараты» МАИ Максим Калягин. — Специалисты МАИ занимались созданием беспилотного летательного аппарата, разработкой алгоритмов автономной навигации внутри помещения и программы, которая может обнаруживать дефекты на снимках, сделанных аппаратом. Задачей наших коллег из компании Phygitalism стало обучение нейронной сети, которая анализирует полученные с беспилотника данные на предмет дефектов.

Одна из уникальных особенностей проекта — создание собственного генератора синтетических данных, который позволяет значительно сократить процесс поиска данных для обучения нейросети.

Работа над комплексом для дефектоскопии промышленных объектов включила в себя широкий спектр задач. Специалисты МАИ занимались созданием беспилотного летательного аппарата, разработкой алгоритмов автономной навигации внутри помещения и программы, которая может обнаруживать дефекты на снимках, сделанных аппаратом. Задачей наших коллег из компании Phygitalism стало обучение нейронной сети, которая анализирует полученные с беспилотника данные на предмет дефектов.

Заместитель директора центра «Беспилотные летательные аппараты» МАИ Максим Калягин

— Нейросеть может находить дефекты на поверхности тех или иных объектов, только пройдя предварительное обучение. Мы должны «объяснить» ей на примерах, как выглядит трещина или другое повреждение, — говорит один из участников проекта, аспирант кафедры 806 МАИ, руководитель исследовательской лаборатории компании Phygitalism Вадим Кондаратцев. — Созданный нами генератор синтетических данных позволяет обогатить обучающую выборку за счёт фотореалистичных изображений дефектов с соответствующей разметкой, которую обычно при обучении нейросетей люди наносят вручную. Для генерации изображений предварительно создаётся цифровой двойник исследуемого объекта.

Система успешно прошла испытания на тестовом стенде и уже используется в интересах внешних заказчиков.

— Один из наших кейсов — обследование сети ТЭЦ на наличие повреждений труб, — продолжает молодой учёный. — Обычно для этой процедуры необходимо останавливать работу паровых котлов, которые используются в системах теплового обогрева городов и промышленных предприятий, выкачивать из них всю жидкость и выстраивать внутри промышленные леса, чтобы у специалистов по дефектоскопии была возможность получить прямой доступ к трубам. После нахождения и устранения дефектов процесс повторяется в обратном порядке. Автоматическая детекция дефектов на практике минимизировала время и расходы на проведение сервисного обслуживания.

Переход в 3D

Сильной стороной проекта является возможность лёгкого перехода на более высокий уровень: от дефектоскопии в 2D с помощью компьютерного зрения к 3D-сканированию посредством лидара или камеры глубины.

— Лидар — это специальная камера с быстро крутящейся лазерной головкой, которая выпускает лазерные лучи и составляет картину окружающего пространства по уровню задержки и амплитуды отражённого луча, — объясняет Вадим Кондаратцев.

Использование лидара и анализ полученных облаков точек позволяют искать дефекты, которые нельзя обнаружить визуально. Кроме того, лидар может снимать в темноте, что является огромным преимуществом этого метода.

Большой интерес к разработке проявляют компании энергетического сектора,. Системы искусственного интеллекта широко внедряются в промышленные процессы, и весьма вероятно, что в будущем беспилотные летательные аппараты смогут заменить на предприятиях обходчиков оборудования и стационарные системы контроля.

Руководитель исследовательской лаборатории компании Phygitalism Вадим Кондаратцев

— Проектов по дефектоскопии в облаке точек, использующих синтетические данные и авторазметку, сегодня практически нет на рынке, — подчёркивает Вадим. — При этом мы видим большие перспективы разработки не только в дефектоскопии, но и в целом ряде других областей: в сельском и городском хозяйстве, на производстве для контроля качества изделий, в том числе перспективных авиационных.

В настоящее время разработчики проекта сотрудничают с пятью компаниями, заинтересованными в услугах дефектоскопии. Работа с ещё двумя компаниями была завершена ранее.

— Большой интерес к разработке проявляют компании энергетического сектора, — говорит Максим Калягин. — Системы искусственного интеллекта широко внедряются в промышленные процессы, и весьма вероятно, что в будущем беспилотные летательные аппараты смогут заменить на предприятиях обходчиков оборудования и стационарные системы контроля.

Читайте также: