該實驗項目是Safetytech Accelerator與塞拉菲爾德核電站,國家核實驗室(NNL)和Reality AI合作,對通風管道進行遠程檢查,以識別穿孔等缺陷。
挑戰
根據英國《工作健康與安全法》要求定期檢查通風系統并記錄檢查結果。目前,通風管道是目視檢查或利用超聲波厚度探測檢測的,這需要大量的成本和時間,如果手動完成,可能會造成人為錯誤和通風設備損壞的潛在風險。
這項開放式創新挑戰旨在使用數字化解決方案來改變通風管道檢測方式,并確保未來幾十年工人和環境的安全。
Safetytech Accelerator開始尋找供應商,以便在未來為管道和更廣泛的工業資產提供持續的遠程監控。經過全面的調查,4家公司入圍向挑戰合作伙伴推介各自的解決方案。
最近被瑞薩電子株式會社收購的美國初創公司Reality AI被選為技術合作伙伴。Reality AI平臺內置分析傳感器數據功能,并有解讀工業聲音和振動的特定經驗。
實驗
該實驗集中在監測非核NNL設施的管道。由于COVID-19大流行嚴重影響了對該設施的使用,但一旦生活開始恢復正常,我們就使用方形鋼管和動力空氣過濾器建造了一個測試臺。
![c08a5388-8fd2-11ed-bfe3-dac502259ad0.png](https://file1.elecfans.com//web2/M00/9E/C4/wKgZomToISGAKeLsAAJxDctFIFg793.png)
管道試驗臺
Reality AI的硬件由連接到數據收集設備的麥克風和激勵器(聲音創建器)組成。該設備使用強大的磁鐵連接到管道上。
![c0b61086-8fd2-11ed-bfe3-dac502259ad0.png](https://file1.elecfans.com//web2/M00/9E/C4/wKgZomToISGABbAhAAcEBepYEbs686.png)
一個激勵器和兩個麥克風連接到管道的兩個部分
雖然在COVID-19大流行期間禁止進入該設施,但Reality AI能夠使用運往紐約實驗室的管道進行一些初步測試。這使得Reality AI能夠確保為最終數據收集選擇正確類型的傳感器。一旦NNL設施準備好進行測試,Reality AI就將其數據收集硬件運送到坎布里亞郡(英國),供NNL員工安裝和操作。
該實驗收集了96個處于各種操作狀態的通風聲學樣本,管道和法蘭正常或有缺陷。NNL工作人員能夠根據每個測試的要求將管道部分替換為正常或穿孔部分。
聲學樣本被上傳到直觀而強大的Reality AI平臺,該平臺內置了數據導入,數據清理,模型訓練,測試和部署功能。訓練了特定于NNL環境的模型,并保留了一段數據,以便在稍后階段驗證AI模型。
![c0edca26-8fd2-11ed-bfe3-dac502259ad0.png](https://file1.elecfans.com//web2/M00/9E/C4/wKgZomToISGAG4-4AAJ-2iuehnQ814.png)
用于聲音分析的Reality AI平臺
結果
使用750ms、1000ms、1250ms和1500ms的窗口大小收集聲音樣本。分析表明,最佳窗口長度為1s。這意味著在生產中,可以在一秒鐘內檢測到缺陷,并且與較大的窗口尺寸相比,使用較少的計算能力。
使用1s窗口大小,試點解決方案執行如下
-
檢測正常操作:100%準確率
-
檢測松動的法蘭:97.6%的精度
-
檢測穿孔:97.5%的準確度
高水平的準確性甚至令Reality AI團隊感到驚訝,同時還需要做更多的工作,特別是在一天中的不同時間收集數據,這可能會影響結果。然而,該實驗驗證了使用聲學分析作為遠程和連續監測工業通風管道的可行方法。這改進了目前偶爾檢查的做法,可以立即識別缺陷,而不會將人員置于潛在的危險環境中。
“
“Reality AI與Safetytech Accelerator, Sellafield和NNL合作進行了通風管道檢查試點。隨著時間的推移,我們面臨著包括Covid在內的各種挑戰,但最終證明了使用聲學傳感器識別管道系統中缺陷的可行性。結果看起來很有希望,我們現在需要進行更大規模的測試,以準備和驗證ML模型以供將來使用。
這是各方之間的良好合作,包括項目規劃、硬件設計、數據收集和模型構建。Reality AI期待為該項目的實際部署提供支持。”
Nalin Balan(業務發展主管),Reality AI
”
全行業影響
除了核能之外,在這一挑戰中試點的聲學解決方案有可能提高管道檢測至關重要的行業的安全性,包括制造、制藥和航運,從而降低對人和環境的風險。
“
“與Reality AI和Safetytech Accelerator合作是一次奇妙的經歷!盡管由于Covid大流行和地理分隔,需要完全遠程完成該項目,但項目團隊已經測試并證明,使用人工智能處理聲學信號以確定潛在的通風管道故障機制具有真正的潛力。該系統在檢測我們模擬的各種缺陷方面的可靠性給我們留下了深刻的印象。利用NNL在坎布里亞郡設施中設計,建造和操作實驗鉆機的專業知識,再次證明了Sellafield LTD和NNL之間合作關系的實力。NNL是英國核部門創新的渠道,使Reality AI等中小企業的創新技術能夠發展成為Sellafield及其他地區的有影響力的解決方案。我們期待在這個試點項目所做的出色工作的基礎上,支持該項目在現實世界中部署這種人工智能的新應用。”
Andy Cooney(創新主管)Sellafield
”Case study: An open innovation challenge to transform industrial inspection and improve safety of workers - Safetytech Accelerator
-
mcu
+關注
關注
146文章
17358瀏覽量
352819 -
瑞薩
+關注
關注
35文章
22312瀏覽量
86828
原文標題:嵌入式AI案例研究:改造工業檢測和提高工人安全的開放創新挑戰
文章出處:【微信號:瑞薩MCU小百科,微信公眾號:瑞薩MCU小百科】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
如何提高嵌入式代碼質量?
嵌入式超火的方向有哪些?
什么是嵌入式操作系統?
《AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得
【「嵌入式Hypervisor:架構、原理與應用」閱讀體驗】+第7-8章學習心得
開啟全新AI時代 智能嵌入式系統快速發展——“第六屆國產嵌入式操作系統技術與產業發展論壇”圓滿結束
恩智浦加速嵌入式AI創新應用開發
AI普及給嵌入式設計人員帶來新挑戰
![<b class='flag-5'>AI</b>普及給<b class='flag-5'>嵌入式</b>設計人員帶來新<b class='flag-5'>挑戰</b>](https://file1.elecfans.com/web2/M00/03/C7/wKgZombG2raARKOIAAC97d0KcYg836.png)
如何提升嵌入式編程能力?
AI引爆邊緣計算變革,塑造嵌入式產業新未來AI引爆邊緣計算變革,塑造嵌入式產業新未來——2024研華嵌入式
![<b class='flag-5'>AI</b>引爆邊緣計算變革,塑造<b class='flag-5'>嵌入式</b>產業新未來<b class='flag-5'>AI</b>引爆邊緣計算變革,塑造<b class='flag-5'>嵌入式</b>產業新未來——2024研華<b class='flag-5'>嵌入式</b>](https://file1.elecfans.com/web2/M00/EA/9C/wKgZomZZZt6ABnHOAABuTQGW16g380.jpg)
評論