ИИ-модели визуализируют скрытые дефекты: новый уровень диагностики

Надежность и безопасность систем критически важны в таких отраслях, как производство полупроводников, энергетика, автомобилестроение и металлургия. Даже мельчайшие трещины или дефекты могут существенно повлиять на производительность. Поскольку эти внутренние недостатки не видны невооруженным глазом, состояние материалов и конструкций долгое время оценивалось с помощью методов неразрушающего контроля (НК). Эти методы позволяют исследовать внутренние условия без повреждения самой структуры. Однако на практике точное и детальное выявление внутренних дефектов остается чрезвычайно сложной задачей.

Сигналы, получаемые от физических датчиков, таких как ультразвуковые или электромагнитные волны, часто искажаются из-за геометрии, свойств материала и сложных реальных условий. Это накладывает физические ограничения на точное определение местоположения и размера дефектов.

Что, если искусственный интеллект (ИИ) сможет «видеть» то, что не видит человеческий глаз? Черпая вдохновение из этого вопроса, команда исследователей из Южной Кореи под руководством Суён Ли, доцента и главного исследователя лаборатории промышленного искусственного интеллекта в школе машиностроения Университета Чунг-Анг, разработала DiffectNet. Это инновационная сеть для генерации целевых изображений с использованием диффузионных моделей, способная создавать высокоточные ультразвуковые изображения, учитывающие дефекты. Их новаторские результаты были опубликованы в журнале Mechanical Systems and Signal Processing 1 ноября 2025 года.

Профессор Ли отмечает: «Если ограничения традиционных методов могут быть преодолены благодаря обучающим и логическим возможностям ИИ, то становится возможным вывести стандарты целостности и безопасности промышленных систем на совершенно новый уровень. Предлагаемая технология — это не просто попытка применить ИИ к инженерным задачам, а фундаментальный прорыв. Она включает разработку генеративной технологии ИИ, способной в реальном времени реконструировать скрытые трещины внутри конструкций, тем самым преодолевая физические ограничения традиционных методов».

Если ИИ сможет обнаруживать и точно реконструировать внутренние дефекты в конструкциях, это позволит предотвращать аварии заранее — даже в условиях, труднодоступных или опасных для человека. Например, на электростанциях даже крошечная трещина может привести к катастрофическим последствиям. С помощью ИИ-мониторинга внутренних структур в реальном времени становится возможным раннее предупреждение о потенциальных аномалиях.

В полупроводниковой или передовой производственной промышленности ИИ может виртуально реконструировать внутренние дефекты, не останавливая работу оборудования, что повышает контроль качества и сохраняет производительность. Кроме того, эту технологию можно применять для мониторинга инфраструктуры, такой как здания и мосты, в реальном времени, открывая путь к более интеллектуальной и устойчивой системе управления городской безопасностью.

Эти примеры демонстрируют, как ИИ открывает новые инженерные возможности, которые когда-то считались невозможными, предвещая наступление эры интеллектуального инжиниринга. Позволяя ИИ выступать в роли «глаз» конструкции, это исследование открывает новые перспективы для реконструкции и прогнозирования дефектов в реальном времени в отраслях с высокими требованиями к надежности, таких как аэрокосмическая промышленность, энергетика, производство полупроводников и гражданская инфраструктура.

«ИИ развивается за пределы простого инструмента для анализа данных и обучения — он становится активным агентом, который расширяет сами границы инженерии. В дальнейшем наша лаборатория продолжит лидировать в исследованиях по разработке инженерных технологий на базе ИИ, открывая эру, в которой ИИ переопределяет область инженерии», — заключает профессор Ли. В целом, эта работа имеет потенциал стать основой для обеспечения безопасности и надежности нашей повседневной жизни.