Общество
02.03.2024 в 08:00
В Бурятии ученые создали уникальную нейросеть
Она может определить качество металла по фотографии
Текст: Наталия Грюнвальд
Внедрение «искусственного интеллекта» в повседневную жизнь значительно ее упростило. Сейчас эту технологию используют буквально везде, даже в промышленности. Один из таких примеров - разработка ученых ВСГУТУ, которые создали нейросеть для определения металлов и сплавов по микроснимкам. В будущем при помощи этой технологии можно будет легко вычислить, когда используют некачественный металл, например, при строительстве.
От термина к увольнению
Понятие «искусственный интеллект» зародилось в 50-х. Оно означает способность запрограммированной машины выполнять задачи, присущие человеку, будь то математические расчеты или анализ данных. Однако в те годы еще не существовало достаточно мощной техники, чтобы позволить заниматься компьютерной разработкой более плотно. Пришлось ждать технического скачка. Но свою истинную популярность «искусственный интеллект» приобрел всего пять лет назад.
Пандемия COVID-19 значительно ускорила процесс внедрения ИИ в разные сферы жизни. Например, в повседневную работу медицинских учреждений и бизнес-процессы компаний. Тем не менее за бурной радостью последовали массовые увольнения. Люди стали лишаться своей работы, поскольку их заменил искусственный интеллект. Первыми под удар попали дизайнеры, иллюстраторы и цифровые художники. Затем это коснулось части сотрудников на производствах и некоторых техработников: кассиров, операторов call-центров, а также онлайн-консультантов и т. д.
В этом году на площадке конференц-зала ВСГУТУ состоялся научно-практический семинар «Искусственный интеллект в металловедении». Магистранты университета показали результаты своих исследований и рассказали о возможностях использования нейросетей в металлографии.
- Мы научились использовать компьютерное зрение с нейросетями при металлографическом анализе. Сейчас наш ИИ способен распознавать структуру металла. В дальнейшем это можно будет использовать для улучшения износостойкости и эксплуатационных свойств деталей разного рода машин, - отметил заведующий кафедрой «Металловедение и технологии обработки материалов» Владимир Мосоров.
Получается, что теперь в зоне риска находятся специалисты, занимающиеся металлографическими исследованиями? Насколько это утверждение верно, мы разузнали у создателей инновации.
Страна признала успех
Кафедру «Металловедение и технологии обработки материалов» открыли в 1974 году. За это время бразды правления брали многие руководители, но с 2015 заведующим стал Владимир Мосоров. При его чутком руководстве кафедра получила лицензию на реализацию целого направления, также она занимается осуществлением учебной программы в партнерстве с Южно-Уральским государственным университетом.
- Мы работаем в некоем тандеме по профилю «Искусственный интеллект в металлургии». В этом году у нас будет первый выпуск специалистов. Собственными силами, конечно, невозможно преодолеть такое. Получается, что магистры как бы находятся на стыке и технических направлений, и программной инженерии. А это весьма непростая коллаборация, - рассказал Владимир Мосоров.
Стоит отметить, что в этом году количество бюджетных мест на бакалавриат по направлениям технология материалов, металловедение увеличено. Студенты при обучении на этих направлениях могут получить дополнительные компетенции по информационным технологиям с возможностью изучения искусственного интеллекта.
- Абсолютно уверен, что наши выпускники будут востребованы везде. Потому что искусственный интеллект уже глубоко внедрен в нашу жизнь. Если человек умеет работать с ним, то все дороги и отрасли ему открыты, - отметил Владимир Мосоров.
Вычислить по углероду
Кафедра «Металловедение и технологии обработки материалов» всю жизнь готовит специалистов для крупных заводов республики. Среди них именитый Улан-Удэнский авиационный, локомотивовагоноремонтный, приборостроительное производственное объединение и т. п.
Мы побывали в сердце образовательного процесса, посетили научно-исследовательский блок с лабораторией металловедения, который был построен 26 лет назад. Именно там магистры подготавливают необходимую базу данных для ИИ.
- Искусственный интеллект - это просто общее понятие. А вот нейросеть - это уже его конкретная реализация. В нашем изобретении мы используем сверточные нейронные сети. Это более глубокий класс технологии, который применяется для анализа визуальных изображений. Проще говоря, чтобы наша нейросеть заработала - в нее необходимо загрузить базу данных из снимков. Их мы получаем при помощи металлографического микроскопа, - объяснил один из авторов разработки Константин Коробков.
Высококачественный фотомикроскоп для научных исследований NEOPHOT-21 позволяет достичь 400-кратного увеличения. На нем делается около 20 - 30 кадров одного образца, так как если его немножечко сдвинуть, то рельеф металла будет иным.
Сейчас у авторов разработки имеется 300 снимков трех марок углеродистой стали: «Сталь У10», «Сталь 20», «Сталь 40». Каждая из них очень востребована во многих областях. От создания пил для обработки древесины до применения в сфере судостроения.
Стоит отметить, что количество углерода меняет зернистую структуру стали. Светлые зерна - феррит, а темные зоны на снимках - перлит. Их соотношение может быть абсолютно разным.
- Суть нашей нейросети заключается в том, что она вычисляет разницу по количеству феррита и перлита. В первую очередь это автоматизирует процесс исследования металла. Во-вторых, делает его более точным. А в-третьих, дает возможность любому человеку узнать, что за металл перед ним, не имея рядом специалиста. Вы можете просто загрузить изображение и получить результат, - рассказал Константин Коробков.
Расставить точки над «i»
С помощью металлографического анализа можно выяснить все свойства металла. Также он позволяет дать описание его характеристик: твердости, прочности, пластичности, устойчивости к коррозии и других. Сегодня металлография может предоставить все вышеперечисленные параметры благодаря изучению образцов металла после их полировки. А с применением нейросети появилась возможность делать это намного быстрее и более точно.
- В первую очередь это может быть актуально для предприятий, работающих с металлом. Еще бывает так, что металлографический анализ необходимо сделать после серьезного ДТП. То есть криминалистические лаборатории также смогут использовать данную технологию, выявлять марки металла и степень дефекта привезенных им образцов. И, конечно же, неоценима важность нашей нейросети для сферы строительства. Например, третий мост. При его возведении используется много металлоконструкций в качестве которых сомневаться нельзя, - поведал магистр Артем Шистеев.
Еще одним хорошим примером может послужить металлографический анализ локальных сооружений. Представьте, что вы поставили перед подрядчиком задачу установить забор из марки «Сталь 40». Заплатили ему определенную сумму денег, но в определенный момент ощутили подвох. Проведенный в лаборатории фотоанализ металла пригодится в суде. Если, конечно же, ваш подрядчик схалтурил и установил металлоконструкцию марки стали дешевле заявленной.
По времени изучение одного образца металла при помощи нейросети занимает минут 15 - 20. Если же этим занимается человек, то время зависит от опыта специалиста.
- Пока отдельного приложения с индивидуальной иконкой нет. Мы запускаем нашу «сеть» через облачный диск с набором папок, которые взаимодействуют между собой через код. Но в будущем все появится, доведем до ума. А также расширим количество классов. Очень важно отметить еще то, что стали бывают очень схожие по содержанию углерода. Например «Сталь 20» и «Сталь 30». В них содержание углерода равняется 0,2 и 0,3. Сами понимаете, что такое крохотное отличие на глаз определить очень сложно. Мы планируем обучить нашу нейросеть не просто определять класс металла, но и содержащиеся в образце элементы, - сообщил Константин Коробков.
Их нейросеть анализирует 5 млн параметров и обучена на 96%. Это очень высокий показатель точности, который не допускает ошибок. Для обычной «сети» хватает даже 70%, чтобы определять разного рода вещи не допуская погрешности. Для программирования специалисты выбрали язык Python, который является практически универсальным инструментом в IT. В будущем их программу можно будет перенести в мобильное приложение.
Отвечая на наш главный вопрос, можно сказать, что заменить узконаправленного специалиста, занимающегося металлографическими исследованиями, нейросеть вряд ли сможет. Поскольку потребность в подготовке и предварительной обработке образцов стали остается по-прежнему за людьми. Как и компетентное заключение результатов работы. Несмотря на все плюсы нейросети, важно помнить одно - человек управляет машиной, а не наоборот.
Фото: «Номер один»
От термина к увольнению
Понятие «искусственный интеллект» зародилось в 50-х. Оно означает способность запрограммированной машины выполнять задачи, присущие человеку, будь то математические расчеты или анализ данных. Однако в те годы еще не существовало достаточно мощной техники, чтобы позволить заниматься компьютерной разработкой более плотно. Пришлось ждать технического скачка. Но свою истинную популярность «искусственный интеллект» приобрел всего пять лет назад.
Пандемия COVID-19 значительно ускорила процесс внедрения ИИ в разные сферы жизни. Например, в повседневную работу медицинских учреждений и бизнес-процессы компаний. Тем не менее за бурной радостью последовали массовые увольнения. Люди стали лишаться своей работы, поскольку их заменил искусственный интеллект. Первыми под удар попали дизайнеры, иллюстраторы и цифровые художники. Затем это коснулось части сотрудников на производствах и некоторых техработников: кассиров, операторов call-центров, а также онлайн-консультантов и т. д.
В этом году на площадке конференц-зала ВСГУТУ состоялся научно-практический семинар «Искусственный интеллект в металловедении». Магистранты университета показали результаты своих исследований и рассказали о возможностях использования нейросетей в металлографии.
- Мы научились использовать компьютерное зрение с нейросетями при металлографическом анализе. Сейчас наш ИИ способен распознавать структуру металла. В дальнейшем это можно будет использовать для улучшения износостойкости и эксплуатационных свойств деталей разного рода машин, - отметил заведующий кафедрой «Металловедение и технологии обработки материалов» Владимир Мосоров.
Получается, что теперь в зоне риска находятся специалисты, занимающиеся металлографическими исследованиями? Насколько это утверждение верно, мы разузнали у создателей инновации.
Страна признала успех
Кафедру «Металловедение и технологии обработки материалов» открыли в 1974 году. За это время бразды правления брали многие руководители, но с 2015 заведующим стал Владимир Мосоров. При его чутком руководстве кафедра получила лицензию на реализацию целого направления, также она занимается осуществлением учебной программы в партнерстве с Южно-Уральским государственным университетом.
- Мы работаем в некоем тандеме по профилю «Искусственный интеллект в металлургии». В этом году у нас будет первый выпуск специалистов. Собственными силами, конечно, невозможно преодолеть такое. Получается, что магистры как бы находятся на стыке и технических направлений, и программной инженерии. А это весьма непростая коллаборация, - рассказал Владимир Мосоров.
На прошлой неделе представители кафедры получили патент на свое изобретение. Теперь авторство исследования параметров диффузионных слоев в процессах химико-термической обработки металлов по цифровым изображениям микроструктур принадлежит ВСГУТУ. Это событие стало прорывным шагом в научно-исследовательской деятельности всего коллектива.
Стоит отметить, что в этом году количество бюджетных мест на бакалавриат по направлениям технология материалов, металловедение увеличено. Студенты при обучении на этих направлениях могут получить дополнительные компетенции по информационным технологиям с возможностью изучения искусственного интеллекта.
- Абсолютно уверен, что наши выпускники будут востребованы везде. Потому что искусственный интеллект уже глубоко внедрен в нашу жизнь. Если человек умеет работать с ним, то все дороги и отрасли ему открыты, - отметил Владимир Мосоров.
Вычислить по углероду
Кафедра «Металловедение и технологии обработки материалов» всю жизнь готовит специалистов для крупных заводов республики. Среди них именитый Улан-Удэнский авиационный, локомотивовагоноремонтный, приборостроительное производственное объединение и т. п.
Мы побывали в сердце образовательного процесса, посетили научно-исследовательский блок с лабораторией металловедения, который был построен 26 лет назад. Именно там магистры подготавливают необходимую базу данных для ИИ.
- Искусственный интеллект - это просто общее понятие. А вот нейросеть - это уже его конкретная реализация. В нашем изобретении мы используем сверточные нейронные сети. Это более глубокий класс технологии, который применяется для анализа визуальных изображений. Проще говоря, чтобы наша нейросеть заработала - в нее необходимо загрузить базу данных из снимков. Их мы получаем при помощи металлографического микроскопа, - объяснил один из авторов разработки Константин Коробков.
Высококачественный фотомикроскоп для научных исследований NEOPHOT-21 позволяет достичь 400-кратного увеличения. На нем делается около 20 - 30 кадров одного образца, так как если его немножечко сдвинуть, то рельеф металла будет иным.
- Сейчас мы работаем с углеродистой сталью, потому что в ней нет дополнительных примесей. Для того, чтобы получить нужное нам изображение, необходимо предварительно подготовить все образцы. Сначала они полируются-шлифуются. Затем осуществляется их химическое отравление для выявления структуры. А после мы поочередно помещаем их под микроскоп. С помощью него делаются высококачественные снимки. Полученные изображения выводятся на компьютер и загружаются в отдельную папку для нейросети. Но каждый кусок надо отснять многократно, поскольку металл имеет разные срезы и формы, - пояснил Константин.
Сейчас у авторов разработки имеется 300 снимков трех марок углеродистой стали: «Сталь У10», «Сталь 20», «Сталь 40». Каждая из них очень востребована во многих областях. От создания пил для обработки древесины до применения в сфере судостроения.
Стоит отметить, что количество углерода меняет зернистую структуру стали. Светлые зерна - феррит, а темные зоны на снимках - перлит. Их соотношение может быть абсолютно разным.
- Суть нашей нейросети заключается в том, что она вычисляет разницу по количеству феррита и перлита. В первую очередь это автоматизирует процесс исследования металла. Во-вторых, делает его более точным. А в-третьих, дает возможность любому человеку узнать, что за металл перед ним, не имея рядом специалиста. Вы можете просто загрузить изображение и получить результат, - рассказал Константин Коробков.
Расставить точки над «i»
С помощью металлографического анализа можно выяснить все свойства металла. Также он позволяет дать описание его характеристик: твердости, прочности, пластичности, устойчивости к коррозии и других. Сегодня металлография может предоставить все вышеперечисленные параметры благодаря изучению образцов металла после их полировки. А с применением нейросети появилась возможность делать это намного быстрее и более точно.
- В первую очередь это может быть актуально для предприятий, работающих с металлом. Еще бывает так, что металлографический анализ необходимо сделать после серьезного ДТП. То есть криминалистические лаборатории также смогут использовать данную технологию, выявлять марки металла и степень дефекта привезенных им образцов. И, конечно же, неоценима важность нашей нейросети для сферы строительства. Например, третий мост. При его возведении используется много металлоконструкций в качестве которых сомневаться нельзя, - поведал магистр Артем Шистеев.
Еще одним хорошим примером может послужить металлографический анализ локальных сооружений. Представьте, что вы поставили перед подрядчиком задачу установить забор из марки «Сталь 40». Заплатили ему определенную сумму денег, но в определенный момент ощутили подвох. Проведенный в лаборатории фотоанализ металла пригодится в суде. Если, конечно же, ваш подрядчик схалтурил и установил металлоконструкцию марки стали дешевле заявленной.
По времени изучение одного образца металла при помощи нейросети занимает минут 15 - 20. Если же этим занимается человек, то время зависит от опыта специалиста.
- Пока отдельного приложения с индивидуальной иконкой нет. Мы запускаем нашу «сеть» через облачный диск с набором папок, которые взаимодействуют между собой через код. Но в будущем все появится, доведем до ума. А также расширим количество классов. Очень важно отметить еще то, что стали бывают очень схожие по содержанию углерода. Например «Сталь 20» и «Сталь 30». В них содержание углерода равняется 0,2 и 0,3. Сами понимаете, что такое крохотное отличие на глаз определить очень сложно. Мы планируем обучить нашу нейросеть не просто определять класс металла, но и содержащиеся в образце элементы, - сообщил Константин Коробков.
Их нейросеть анализирует 5 млн параметров и обучена на 96%. Это очень высокий показатель точности, который не допускает ошибок. Для обычной «сети» хватает даже 70%, чтобы определять разного рода вещи не допуская погрешности. Для программирования специалисты выбрали язык Python, который является практически универсальным инструментом в IT. В будущем их программу можно будет перенести в мобильное приложение.
Отвечая на наш главный вопрос, можно сказать, что заменить узконаправленного специалиста, занимающегося металлографическими исследованиями, нейросеть вряд ли сможет. Поскольку потребность в подготовке и предварительной обработке образцов стали остается по-прежнему за людьми. Как и компетентное заключение результатов работы. Несмотря на все плюсы нейросети, важно помнить одно - человек управляет машиной, а не наоборот.
Фото: «Номер один»
Теги
наука