Компьютерное зрение в атомной промышленности» — Ольга Кокорина, ТВЭЛ

Ольга Кокорина, руководитель проектов по компьютерному зрению, ТВЭЛ. Форум Cnews "Технологии искусственного интеллекта 2026".

Опыт внедрения технологий искусственного интеллекта и машинного зрения в производственные циклы топливного дивизиона. Выступление было посвящено переходу от ручного труда к автоматизированным системам контроля в условиях жестких требований к безопасности атомной отрасли.

Разделение векторов развития ИИ. В компании ТВЭЛ стратегия внедрения искусственного интеллекта разделена на два независимых контура: корпоративные процессы и промышленное производство. Первый направлен на оптимизацию работы с документацией через LLM-решения, второй — на физический контроль качества продукции и мониторинг активов.

Трансформация контроля качества из выборочного в тотальный. Переход от ручного визуального осмотра к автоматизированному компьютерному зрению позволяет заменить выборочный контроль ОТК стопроцентной проверкой всех изделий. Это критически важно для атомной отрасли, где любая ошибка в геометрии детали может привести к серьезным последствиям.

Радикальное сокращение временных затрат на инспекцию. Внедрение программно-аппаратного комплекса (ПАК) для проверки дистанционирующих решеток позволяет сократить время обработки одной единицы продукции с 45 минут до 14 минут на этапе прототипа, с целевым показателем в 12 минут для опытного образца.

Итерационный подход к разработке сложных систем. Оптимальный путь внедрения CV-решений в производстве проходит через три стадии: создание внутреннего прототипа для проверки гипотез, изготовление опытного образца с привлечением внешних подрядчиков и последующий выход на серийное производство после прохождения сертификации.

Приоритет глубокого обучения над классическим зрением. Несмотря на наличие зрелых рыночных решений CV 1.0, специфика атомного производства требует использования глубоких нейросетей. Это обусловлено необходимостью обучения моделей на специфических датасетах с искусственно созданными дефектами для достижения максимальной точности распознавания.

Стратегия цифровизации корпоративных процессов

В ТВЭЛ ИИ используется не только на заводах, но и в административном контуре. Одной из ключевых проблем является огромный объем внутренней документации: «в топливной компании создано 10 тысяч различных лана», что затрудняет поиск актуальной информации. Для решения этой задачи внедрен специализированный чат-бот, который анализирует локально-нормативные акты и выдает краткие справки со ссылками на первоисточники. Аналогичный инструмент применяется при подготовке инвестиционных паспортов проектов и реестров рисков, что позволяет сотрудникам использовать готовые шаблоны и не «изобретать велосипед».

Применение компьютерного зрения в производстве

Промышленный блок CV охватывает всю цепочку создания стоимости: от входного контроля сырья до финальной упаковки и отгрузки. Выделено пять приоритетных направлений применения технологии. Первое — контроль качества геометрии деталей для АЭС, что напрямую влияет на снижение уровня брака. Второе — мониторинг оборудования через предиктивную аналитику (кейс AtomMind), позволяющую предсказывать поломки до их возникновения. Третье направление касается охраны труда и промышленной безопасности: CV позволяет исключить присутствие человека в зонах с радиационным или химическим воздействием, передавая функции роботам. Остальные задачи связаны с управлением процессами и идентификацией учета.

Кейс по автоматизации контроля дистанционирующих решеток

Наиболее детально рассмотрен проект создания программно-аппаратного комплекса (ПАК) для проверки дистанционирующих решеток. Традиционный метод контроля предполагает ручной осмотр оператором 318 маленьких ячеек каждой решетки на наличие сварных точек, непроваров, сколов и царапин с использованием калибров и линеек. Этот процесс занимает около 45 минут на одну единицу продукции.

Основная проблема ручного метода заключается в человеческом факторе: «человеческое зрение все-таки замыливается», что создает риск пропуска микродефектов. Разработанный прототип ПАК сократил время проверки до 14 минут, а целевой показатель для серийного образца составляет 12 минут. Система работает по принципу сканирования всей поверхности: корректные ячейки подсвечиваются синим цветом, дефектные — красным, что позволяет оператору мгновенно локализовать проблему.

Методология разработки и технический стек

При выборе между классическим машинным зрением (CV 1.0) и глубокими нейросетями компания остановилась на гибридном подходе с упором на глубокое обучение. Для этого были созданы специализированные датасеты, где на реальных решетках намеренно создавались различные типы дефектов для обучения модели.

Процесс реализации проекта был разделен на этапы. Сначала силами двух сотрудников (инженера по «железу» и разработчика ПО) за несколько месяцев был собран внутренний прототип, подтвердивший гипотезы. Только после этого компания вышла на крупных подрядчиков для создания опытного образца. Важным аспектом стала невозможность найти готовое рыночное решение: даже зарубежные и региональные (Беларусь) поставщики не смогли удовлетворить специфические требования заводов ТВЭЛ по точности и функциональности.

Перспективы и вызовы

Главным барьером при внедрении CV-систем остаются данные. Без качественных датасетов создание работающей модели невозможно. Также значительным этапом является сертификация оборудования, на которой проекты могут существенно затянуться. В долгосрочной перспективе компания следует государственному курсу на максимальную автоматизацию производств. Как отметила Ольга Кокорина, цель состоит в том, «чтобы это были темные цеха, чтобы не было людей». Это позволит не только повысить производительность труда и обеспечить стопроцентный контроль качества, но и максимально обезопасить персонал от воздействия опасных сред.

Опыт компании ТВЭЛ демонстрирует зрелый подход к цифровой трансформации тяжелой промышленности. Переход от выборочного контроля ОТК к стопроцентному автоматизированному мониторингу с использованием глубоких нейросетей позволяет существенно снизить риски человеческого фактора и сократить время производственных циклов более чем в три раза.

Особую ценность представляет итерационная модель разработки: от быстрого внутреннего прототипа к промышленному образцу. Это минимизирует инвестиционные риски при создании уникального оборудования, для которого отсутствуют готовые рыночные аналоги.