人工智能如何在核电厂里找出其它系统看不到的问题

就跟医师为人们定期进行健检一样，定期检查核电厂是否安全也是相当重要的一环。核电厂定期进行检查，以找出裂缝及其它问题，避免扩大事端或造成意外。

然而要在核电厂里找出裂缝并非易事，检查员无法直接检视水面下的反应器，而是由核电厂的员工紧盯着摄影机拍摄到的影片，检查金属表面有无裂缝。裂缝会使得放射性物质排入水或空气中，具有极高的危险性。

普渡大学土木工程教授 Mohammad Jahanshahi 提出一项更好的办法。他以 GPU 加速深度学习和机械学习技术，自动侦测核电厂有无出现裂缝。

“核电厂任何一个微小的裂缝都会使得放射性物质外泄、扩散，造成核能意外事件。”Jahanshahi 说。

裂缝也会造成庞大损失。Jahanshahi 说 2010 年 Vermont Yankee 核电厂地下管线破裂使得放射性氚外泄渗入地下水的意外事件，造成七亿美元的损失。还有 1996 年康乃迪克州 Millstone 核电厂阀门外泄意外事件，也造成 2.54 亿美元的损失。

核电厂老化

在全球核能设施开始呈现老态之际，Jahanshahi 的方法来的正是时候。世界核能产业现况报告指出全球近 15% 的核电厂已超过40年的运转年限，在美国有超过三分之一的核电厂更是如此。包括美国在内的多个国家同意将核电厂的运转年限提高到 60 年。

随着核电厂老化，高热、高压和腐蚀性化学物质使得内部零件更易于出现裂缝及其它问题。光是在过去十年里，全球至少有十多座核电厂检查出裂缝。

“检查次数不足是造成核电厂问题丛生的原因之一。”在最新一期《Computer-Aided Civil and Infrastructure Engineering》期刊发表研究结果的 Jahanshahi 说。

预防胜于治疗

Jahanshahi 与普渡大学博士生 Fu-Chen Chen 共同开发的自动化系统，让核电厂更易于检查和找出问题，避免问题更形恶化。

“核电厂的结构就跟人体一样，及早发现症状，就能避免生病。”Jahanshahi 说。

Jahanshahi 与 Chen 不是第一个试着简化以人工方式检查核反应器钢材表面裂缝这项冗长作业的人，眼睛盯着影片里每个影格的方法通常会漏掉微小的裂缝，也难以从焊接点和刮痕等异常处区分出裂缝。

人工智能协助在核电厂里侦测裂缝

普渡大学开发出的这套“CRAQ”辨识和量化裂缝系统，会合并多个影格里的信息，找出钢材表面材质可能出现裂缝的变化，以避免上述缺失。在影片里可从不同光线和角度情况来探查裂缝。

研究团队使用机器学习技术开发出初代系统，现在则是建立深度学习算法来提升正确性。他们使用CUDA 并行计算平台、Pascal 架构 NVIDIA TITAN X 及 GeForce GTX 1070 GPU，还有cuDNN，投入数千个检查影片的影格资料来训练算法。

美国的基础建设日前才获得美国土木工程学会令人失望的 D+ 级评等，Jahanshahi 期望深度学习能改善这个状态。

“计算机加上 GPU 提升了运算能力，如今我们就能利用计算机视觉、影像处理和深度学习来解决问题。”他说。