Page 75 - 2023中国无损检测年度报告
P. 75
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
RCCA 超声涡流检查。该设备的自主化打破了国 点并进行图像叠加。基于深度学习的核电站射线
外在该堆型核电站检查项目上的垄断，减少了设 探伤自动评片平台如图 8 所示。
备购入成本及检查费用。
(a) 基于深度学习的焊缝缺陷识别
(b) OCR 光学字符识别技术
图 7 RCCA 检查设备应用现场
6 基于深度学习的核电站射线自动评片系统
研发
核电站在建及在役过程中，射线检测的底片
需求量大，且其保存仓储环境有着较为严苛的要
求，通过基于深度学习的人工智能技术应用于底
片管理和评定，可应对大量底片的管理挑战，确
保数据完整可靠，同时也能释放评片人员的时间，
使其能够更专注于复杂的评定工作，符合未来技 (c) 双片匹配叠加
术发展的趋势，将机械化和自动化引入到底片管 图 8 基于深度学习的核电站射线检测自动评片平台
理和评定领域，从而提高工作质量和效率。 该评片系统已在核电厂实现初步应用，凭借
通过高清度扫描仪将底片进行数字化处理， 后期导入训练的大量缺陷底片数据库建设，此技
并对电子底片进行智能管理（包括其智能归档、 术具备在核电站射线检测中应用的能力。
智能评定等评片阶段的全流程功能）。利用深度 7 结语
学习技术，训练海量底片数据，实现焊缝和缺陷 中国广核集团在役检查技术研发中心 2023
的智能识别，替代繁重人工工作，显著降低劳动
强度，提高检测效率。将 OCR 技术应用于底片 年在无损检测应用技术理论研究、无损检测技术
开发、智能检测系统装备、无损检测仪器等方面
图像的处理，使图像中的文字能够被自动识别并
提取，这有助于进一步的分析和处理。数字底片 开展了多项研发工作，取得了以上进展，可为核
电行业的无损检测技术提供一些参考，保障核电
叠加过程涉及图像配准和图像融合，由基于特征
点匹配的图像配准方法可以精准高效的找到特征 厂系统设备的安全可靠运行。
65
