世界

IISCおよびカタールの研究者は、AIを搭載したイメージングテクノロジーを使用して高度な腐食評価方法を開発しています

インド科学研究所（IISC）と カタール科学技術研究センター （QSRTC）高度な機械学習と画像分析を使用して、産業機器の腐食を評価するための新しい自動化方法を開発しました。Nature Partner Journals（NPJ）資料の劣化に掲載されたこの研究では、小説について説明しています 機械学習アルゴリズム IISCは、声明で述べています。 「発電や石油/ガスなどの産業において、腐食が重要な経済と安全の課題をもたらします」と、コンピューティーデータサイエンス（CD）、IISC、および研究の上級著者であるPhaneendra K Yalavarthy氏は述べています。「[It] CDSの元ドクター研究者である共著者のAshwin Rajkumar氏は、次のように述べています。ettech AIベースの手法は、腐食の2つの重要な指標に焦点を当てています。金属の表面上の腐食性堆積物の厚さと、それらの堆積物内の多孔度（小さな穴の数）です。金属表面の顕微鏡画像がアルゴリズムに供給されると、これらの2つの特性を定量化し、腐食の量を示す重要な特徴を推測できます。これらの特徴には、腐食性化学物質の濃度と堆積物の下の環境の酸性度が含まれます。 「錆のような堆積物が厚くなると、塩化物が増え、表面がより酸性になります」とヤラバルシーは付け加えました。 「腐食が悪化したときを示す特定のpHレベルを特定しました。たとえば、pHが2.8-3を下回ると、腐食が非常に深刻な段階に達したことを意味します。」研究者たちは、蒸気発生器チューブの低預金腐食（UDC）をチェックすることにより、その方法をテストしました。これは、産業用ボイラーおよびその他の高温環境での特に挑戦的で一般的な腐食の形態です。 「[The algorithm] 非常に正確で、約73％の時間を正しくしています」とヤラバルシーは言いました。[It] 腐食の重症度を決定するために光学顕微鏡画像を手動で調べてもらうよりも、より速く、より一貫性があります。」このアプローチはさまざまな腐食生成物の形態に適応する可能性がありますが、形態学的特徴は腐食メカニズム間で異なるため、特定のケースごとに調整する必要があります。 「次の重要なステップは、はるかに大きくてより多様なデータセットのアルゴリズムを検証し、産業慣行で遭遇する堆積物の形態と動作条件の全範囲をキャプチャすることです」とRajkumar氏は述べています。このような手法は、施設やセクター間で定量的でデータ駆動型の腐食評価を可能にすることができるため、産業のメンテナンスと運用に有望です。それをデジタル監視システムと統合すると、産業用デジタル化にさらに貢献し、安全性、運用効率、材料科学研究に有意義な利点を提供します。 #IISCおよびカタールの研究者はAIを搭載したイメージングテクノロジーを使用して高度な腐食評価方法を開発しています