Исследователи из Индийского института науки (IISc) и Научно-исследовательского центра наук и технологий Катара (QSRTC) разработали новый автоматизированный метод оценки коррозии промышленного оборудования с использованием передовых технологий машинного обучения и анализа изображений.
Опубликовано в npj Materials Degradation, исследование описывает новый алгоритм машинного обучения, который может анализировать изображения микроскопа прокорродировавших металлических поверхностей для оценки степени коррозии без участия человека.
«Коррозия создаёт значительные экономические и безопасностные проблемы в таких отраслях, как производство энергии и нефтегазовая промышленность», — говорит Фанеендра К. Ялаварthy, профессор кафедры вычислительных наук и наук о данных (CDS) в IISc и старший автор исследования.
«Она незаметно нарушает целостность этих систем, подвергая риску жизни и средства к существованию, а также обременяя общество растущими затратами на техническое обслуживание», — добавляет соавтор Ашвин Раджкумар, бывший постдокторский исследователь в CDS.
Технология на основе ИИ фокусируется на двух важнейших индикаторах коррозии: толщине коррозионных отложений на поверхности металлов и их пористости (количестве крошечных отверстий) внутри этих отложений.
Когда алгоритму подают изображения микроскопии металлических поверхностей, он может количественно оценить эти две характеристики и определить ключевые особенности, указывающие на степень коррозии. Эти особенности включают концентрацию коррозионно-активных химических веществ и кислотность среды под отложениями.
«По мере утолщения ржавых отложений увеличивается содержание хлорида, а поверхность становится более кислой», — объясняет Ялаварthy.
«Мы определили конкретные уровни pH, которые указывают на ухудшение коррозии. Например, когда pH падает ниже 2,8–3, это означает, что коррозия достигла очень серьёзной стадии», — говорит Раджкумар.
«Это говорит о том, что морфология поверхности и локальная химия связаны более тесно, чем предполагалось ранее, что даёт ценный прогностический маркер для эскалации тяжести коррозии», — добавляет он.
Исследователи испытали свой метод на проверке подповерхностной коррозии (UDC) труб парогенераторов — особенно сложной и распространённой формы коррозии в промышленных котлах и других высокотемпературных средах.
«Алгоритм достаточно точен, он работает примерно в 73% случаев», — говорит Ялаварthy. «Он работает быстрее и последовательнее, чем если бы люди вручную изучали изображения оптической микроскопии для определения степени коррозии».
Что также отличает этот метод, так это его подход к обучению без контроля — он не полагается на предопределённые метки классов или вручную аннотированные наборы данных, которые часто скудны или противоречивы в исследованиях коррозии. Вместо этого он использует кластеризацию k-средних, метод машинного обучения, который сегментирует изображения микроскопии на отдельные области (такие как отложения и поры) без предварительных предположений об их внешнем виде. Это особенно полезно, когда структуры продуктов коррозии сложны и значительно различаются.
Хотя подход может быть адаптирован к различным морфологиям продуктов коррозии, его необходимо адаптировать к каждому конкретному случаю, поскольку морфологические особенности различаются в зависимости от механизмов коррозии, предупреждают исследователи.
«Следующий важный шаг — это проверка алгоритма на гораздо больших и разнообразных наборах данных, охватывающих весь спектр морфологий отложений и условий эксплуатации, с которыми сталкиваются в промышленной практике», — говорит Раджкумар.
Такая техника перспективна для промышленного обслуживания и эксплуатации, поскольку она может обеспечить количественную оценку коррозии на основе данных на объектах и в секторах. Интеграция его с цифровыми системами мониторинга может способствовать дальнейшей индустриальной цифровизации, предлагая значительные преимущества в области безопасности, операционной эффективности и исследований в области материаловедения.
«Опираясь на наш опыт в биомедицинском анализе изображений, где оптическая микроскопия и автоматизированное обнаружение уже спасают жизни, мы были вдохновлены привнести аналогичный интеллект и строгость в науку о коррозии», — говорит Ялаварthy.
Предоставлено Индийским институтом науки.