ИИ как экосистема, бизнес и рынок

Все атомные станции имеют центры мониторинга и диагностики. Атомная энергетика опирается на данные, а следовательно, это именно та область, где перспективы применения ИИ весьма велики.

Компьютерное зрение

В атомной отрасли применяется множество решений, работающих на базе технологий компьютерного зрения. Одно из них связано с мониторингом состояния конструкционных материалов ^{21Материалы, из которых изготавливаются различные конструкции, детали машин, элементы сооружений, воспринимающих силовую нагрузку. Определяющими параметрами таких материалов являются механические свойства, что отличает их от других технических материалов (оптических, изоляционных, декоративных и др.)} .

Воздействие высоких температур и радиации может приводить кповреждениямответственныхизделий.Небольшая трещина в ядерном реакторе способна привести к катастрофическим последствиям. Инспекция критически важных систем, таких как ядерные реакторы, на наличие дефектов достаточно трудоемкая процедура. Регулярная инспекция компонентов АЭС необходима для обеспечения безопасной эксплуатации. Существующая практика в основном сводится к просмотру видеозаписей инспекций. Это кропотливая работа, требующая высокой квалификации и пристального внимания специалиста во время многочасового просмотра видеозаписей.

Традиционная практика выявления трещин на реакторах является утомительной и субъективной. Обнаружение трещин осложняется в силу наличия шумовых паттернов на поверхности исследуемого материала. Применение компьютерного зрения позволяет автоматизировать работу по выявлению дефектов.

Несмотря на то, что речь идет об автоматизации процесса, ответственность за классификацию дефектов в данном случае все равно берет на себя человек, пользуясь системой поддержки принятия решений, а не системой принятия решений.

В качестве примера можно привести проект, описанный в статье авторов из Университета Пердью, США под названием "Обнаружение трещин на основе глубокого обучения с использованием сверточной нейронной сети и слияния данных по методу Наивного Байеса" [132].

В рамках упомянутого проекта была предложена система на основе сверточной нейронной сети и схемы объединения данных, извлеченных из каждого видеокадра, для повышения общей производительности и надежности системы.

Система предоставляет оператору количественную информацию о трещине, позволяет перейти к конкретным кадрам, чтобы изучить дефекты и определить, какие действия могут быть необходимы. Приложение может использоваться в сочетании с роботизированными комплексами и беспилотниками, которые используются для сбора большого количества визуальных данных, позволяя выявлять и устранять структурные повреждения до катастрофических инцидентов.

В публикации [133] описана разработка национальной лаборатории Ок-Ридж в Теннесси, где создали систему на основе глубокого обучения, которая может оперативно обнаруживать и анализировать радиационные микроповреждения материалов с высокой точностью. По данным авторов, сравнительный анализ показал, что нейронная сеть позволяет выявить и классифицировать около 86% дефектов в исследуемых материалах, при том что люди обнаруживают лишь 80% дефектов.

Новаторским и весьма перспективным следует назвать проект, выполненный международным университетом Флориды (FIU) в рамках сотрудничества с Национальной лабораторией Айдахо (INL) и направленный на изучение использования небольших беспилотников для осуществления обходов внутри помещений АЭС. При пролете дрон видит изображение QR-кода под некоторым углом зрения, восстанавливает изображение в первоначальном виде, распознает его и получает информацию о своем текущем местоположении, определяет свои координаты и обеспечивает навигацию пролетов.

На атомной станции достаточно много работ приходится на так называемые обходы, когда сотрудникам нужно пройти определенные точки и собрать данные. Это могут быть обходы, связанные с проверкой отсутствия дефектов в работе оборудования, контроля безопасности и т. п. В некоторых случаях может возникать необходимость инспекции зон, которые предоставляют угрозу для здоровья. Сотрудниками FIU разработан проект под условным названием ROUNDS ("Route Operable Unmanned Navigation of Drones" - "Маршрутная беспилотная навигация дронов"), в котором роль обходчика выполняют дроны.

Разработчикам проекта пришлось преодолеть ряд проблем, включая отсутствие GPS в закрытых помещениях, отсутствие возможности свободного пролета между помещениями (закрытые двери), ограниченный размер дрона, лимитированный удобством подлета к датчикам (как следствие - ограниченная емкость аккумулятора и время пролета на одном заряде), относительно дорогие запчасти.

Проект показал перспективность использования беспилотников для проведения обходов на АЭС с возможностью снятия показаний с приборов, инспекции опасных мест, проведения радиационного обследования, в том числе на высоте, недосягаемой для человека. В упомянутом проекте дрон осуществляет облет помещения, считывая QR-коды на стенах и элементах оборудования.

Еще один пример применения систем компьютерного зрения на АЭС-это выполненный специалистами FIU проект, в котором методы глубокого обучения позволили реализовать систему автоматизации ручной регистрации показаний аналоговых датчиков, манометров и т. п. Решение позволяет распознавать изображения многочисленных датчиков под разными углами зрения, корректно считывая показатели их значений. Использование системы на базе ИИ для автоматизированного считывания показаний датчиков сокращает время обходов операторами, калибровку датчиков, повышает точность данных для онлайн-мониторинга. Если какой-то большой и дорогой агрегат имеет встроенную панель мониторинга, данные которой сложно получить программно, целесообразно поставить над этой панелью дешевую камеру и считывать данные в режиме 24/7.

Технологии компьютерного зрения уже давно применяются в Госкорпорации "Росатом" - это распознавание и обработка документов, технологии распознавания лиц на контрольно-пропускных пунктах, контроль наличия у сотрудников средств индивидуальной защиты. Подобный проект был выполнен в конце 2019 - начале 2020 годов на Кольской АЭС, где внедрили систему машинного зрения для проверки применения средств индивидуальной защиты, снижая риск травматизма персонала при опасных работах. С помощью стационарных камер видеонаблюдения детектируются люди и контролируется наличие на них касок, перчаток и других средств защиты.

Анализ естественного языка, понимание и синтез речи

АЭС - один из сложнейших технологических объектов. Учитывая огромный объем документации при проектировании, строительстве и эксплуатации атомных станций, в отрасли востребованы многие задачи, связанные с обработкой естественного языка: классификация текстов, маршрутизация документов, выделение требований в нормативной документации и т. п.

В качестве примера использования технологий NLP в атомной индустрии можно привести проект, проводимый в рамках Национальной лаборатории Айдахо, в котором ИИ используется для автоматизации процесса проверки отчетов о состоянии АЭС (анализ и классификация записей по разным категориям, включая степень влияния на безопасность атомной станции). В подобные отчеты попадает информация, полученная при обходах, это могут быть записи о разного рода дефектах (протечке воды, появлении шума или вибрации в оборудовании и т. д.). До внедрения систем на базе ИИ подобные отчеты рассматривались ежедневно комиссией из нескольких человек, что занимало существенный человеческий ресурс, требовало привлечения коллектива специалистов разного профиля.

Использование NLP позволило классифицировать регистрируемые записи по типу неисправности, присваивать записям уровень приоритетности рассмотрения, определять, кому непосредственно должна быть адресована та или иная задача, что существенно экономит ресурсы.

В Госкорпорации "Росатом" накоплено множество текстов, на основе которых можно строить системы поддержки принятия решений, и реализован ряд проектов, связанных с анализом естественного языка.