Российские учёные автоматизировали контроль качества авиационных турбин
Нейросеть с точностью 96% находит микроскопические дефекты на лопатках турбин
Учёные Пермского национального исследовательского политехнического университета разработали и готовятся внедрить на промышленных предприятиях уникальную систему умного контроля качества лопаток для турбин. Новая технология заменяет медленный и сложный ручной осмотр и позволяет в автоматическом режиме не только находить малейшие дефекты, но и сразу же их устранять, что значительно ускоряет и удешевляет производство. Внедрение этой разработки имеет огромное значение для России.
Как пояснили IT-Russia в пресс-службе вуза, лопатки турбин — это ключевые компоненты авиационных и энергетических двигателей, от качества которых напрямую зависит надёжность и безопасность. Их поверхность после обработки должна быть идеальной. Раньше контроль качества был самой сложной и медленной частью процесса: оператору приходилось вручную и под разными углами искать на сложной изогнутой поверхности мельчайшие царапины и сколы. Это требовало огромной концентрации, много времени и не гарантировало отсутствия ошибок.
Разработка пермских учёных решает эту проблему. Они создали комплекс, который объединяет робота-полировщика и систему машинного зрения на базе искусственного интеллекта. Специальная камера, установленная на руке робота, сканирует лопатку со всех сторон, а мощная нейросеть в реальном времени анализирует видео и находит дефекты с точностью 96%.
Как рассказал один из разработчиков — доцент кафедры информационных технологий и автоматизированных систем вуза Даниил Курушин, после сканирования система формирует для оператора детальный отчёт. Он видит, какие именно участки требуют доработки, и может сразу отправить деталь на дополнительную полировку — уже без долгого и утомительного поиска.
Технология была обучена и протестирована на реальном производстве моторостроительного предприятия на базе более 1500 изображений. Это обеспечило её высокую практическую значимость и готовность к работе в промышленных условиях.
В будущем коллектив разработчиков планирует расширить базу данных для ещё большей точности и адаптировать систему для других сложных производственных задач.
