U zahtjevnim industrijskim okruženjima kao što su naftna i plinska postrojenja, kemijska industrija i rudarstvo, korozija predstavlja stalnu prijetnju integritetu opreme, sigurnosti radnika i zaštiti okoliša. Pravovremeno otkrivanje i precizna procjena korozije ključni su za sprječavanje skupih kvarova, neplaniranih zastoja i potencijalnih ekoloških incidenata. Cenosco, vodeća tvrtka u razvoju softvera za upravljanje integritetom imovine (Asset Integrity Management – AIM), prepoznala je potrebu za inovativnim rješenjima koja bi nadogradila postojeće metode inspekcije i praćenja. Tradicionalni pristupi, iako pouzdani, mogu biti vremenski zahtjevni i podložni subjektivnosti, dok količina vizualnih podataka generiranih tijekom inspekcija neprestano raste.
Rješenje kroz Test-Before-Invest (TBI) program
Kako bi istražio potencijal najnovijih tehnologija, Cenosco udružio se s EDIH Adria konzorcijem kroz “Test Before Invest” (TBI) program. Cilj ovog suradničkog projekta bio je razviti i testirati prototip modela umjetne inteligencije (AI) sposobnog za automatsku identifikaciju, klasifikaciju i procjenu stupnja korozije na temelju fotografija cjevovoda i drugih komponenti industrijskih postrojenja. Fokus je bio na primjeni naprednih tehnika računalnog vida i dubokog učenja kako bi se automatizirao i objektivizirao proces analize vizualnih inspekcijskih podataka.
U sklopu TBI aktivnosti, stručnjaci sa Sveučilišta Jurja Dobrile u Puli, partnera u EDIH Adria konzorciju, radili su s opsežnim skupom podataka koje je osigurao Cenosco. Ključni koraci uključivali su:
- Detaljnu analizu i pripremu podataka: Početni skup sastojao se od fotografija visoke rezolucije i pripadajućih anotacija. Provedeno je čišćenje i validacija podataka kako bi se osigurala konzistentnost.
- Razvoj strategije za obradu slika visoke rezolucije: Zbog gubitka detalja pri standardnom skaliranju slika za AI modele, implementirana je inovativna tehnika dijeljenja originalnih slika na manje, preklapajuće segmente. Ovaj pristup pokazao se ključnim za očuvanje finih detalja neophodnih za preciznu detekciju korozije.
- Treniranje i evaluacija AI modela: Korištena je YOLOv11 (You Only Look Once) arhitektura, poznata po svojoj učinkovitosti u zadacima detekcije objekata. Testirane su “nano” i “small” inačice modela, pri čemu je “small” model pokazao superiorne performanse nakon 38 sati treniranja.
Rezultati i koristi za Cenosco
TBI projekt uspješno je demonstrirao tehničku izvedivost i značajan potencijal primjene AI za automatiziranu detekciju korozije:
- Postignute zadovoljavajuće performanse: YOLOv11 small model postigao je mAP50 vrijednost od 0.756 i mAP50-95 od 0.589 na validacijskom setu, što su obećavajući rezultati za kompleksan industrijski zadatak. Model je pokazao sposobnost precizne klasifikacije (precision 0.857) i dobrog opoziva (recall 0.662). Detaljnija analiza performansi po klasama defekata pokazuje da model najbolje rezultate postiže za detekciju korozije na premazima, dok su izazovniji zadaci detekcija korozije na cjevovodnoj opremi srednjeg stupnja i problema s izolacijom. Model postiže recall od 0.79 pri confidence pragu od 0.000, što potvrđuje njegovu sposobnost pouzdane identifikacije različitih tipova defekata u industrijskim uvjetima.
- Potvrda učinkovitosti “tiling” strategije: Dijeljenje slika na manje segmente omogućilo je modelu da efikasno uči iz detalja, što je ključno za detekciju suptilnih znakova korozije.
- Uvid u potencijal za automatizaciju: AI model je pokazao sposobnost brze analize velikog broja slika, identificirajući područja zahvaćena korozijom i klasificirajući njihovu vrstu i stupanj. Ovo otvara put značajnom smanjenju vremena potrebnog za ručni pregled i povećanju konzistentnosti procjena.
- Temelj za budući razvoj: Kroz projekt, Cenosco je dobio detaljan uvid u primjenjivost AI tehnologije za detekciju korozije, uključujući demonstraciju funkcionalnosti razvijenog prototipnog pristupa, evaluaciju njegovih performansi te sveobuhvatan izvještaj s preporukama. Ove spoznaje služe kao čvrsta osnova za Cenosco pri donošenju odluka o daljnjem usavršavanju i potencijalnoj integraciji naprednih AI funkcionalnosti u svoj Integrity Management Suite (IMS). Projekt je uspješno demonstrirao tehnološku izvedivost na razini TRL 3-4.
Naučene lekcije i budući koraci
Ovaj TBI projekt pružio je Cenoscu vrijedne spoznaje:
- Važnost kvalitetnih podataka: Uspjeh AI modela neizostavno ovisi o velikom, raznolikom i precizno anotiranom skupu podataka.
- Prilagodba specifičnim izazovima: Standardni pristupi često zahtijevaju inovativne prilagodbe, poput strategije dijeljenja slika, kako bi se odgovorilo na specifičnosti industrijskih podataka.
- Iterativni razvoj: AI rješenja zahtijevaju kontinuirano poboljšavanje, eksperimentiranje s novim arhitekturama i tehnikama te prilagodbu na temelju povratnih informacija.
Cenosco planira nastaviti s istraživanjem i razvojem AI rješenja, fokusirajući se na daljnje poboljšanje točnosti modela, proširenje skupa podataka. Cilj je pružiti svojim klijentima još naprednije alate za proaktivno upravljanje integritetom imovine, smanjenje rizika i optimizaciju troškova održavanja.
Zaključak
Suradnja između Cenosca i EDIH Adria kroz TBI program uspješno je demonstrirala kako primjena umjetne inteligencije može transformirati procese inspekcije i održavanja u zahtjevnim industrijskim sektorima. Ovaj projekt ne samo da je potvrdio tehničku izvedivost AI detekcije korozije, već je i postavio temelje za buduće inovacije koje će doprinijeti većoj sigurnosti, učinkovitosti i održivosti industrijskih postrojenja. EDIH Adria nastavlja podržavati tvrtke poput Cenosca u njihovoj digitalnoj transformaciji, omogućujući im da testiraju i implementiraju napredne tehnologije koje donose stvarnu poslovnu vrijednost.
Croatian 
English 
Italian