阿贡国家实验室开发AI增强PIT技术，精准检测核能部件微观缺陷

通过增材制造生产的先进金属部件可以凸显人工智能增强缺陷检测等尖端技术的潜力，以确保其可靠性。(图片：Shutterstock/MarinaGrigorivna)

阿贡国家实验室的科学家们在增材制造(包括3D打印)不锈钢部件的微观缺陷检测方面取得了突破。他们结合人工智能(AI)与脉冲红外热成像(PIT)技术，能够在部件投入使用前精准识别出微小的内部缺陷，这些缺陷通常比人的头发还小，但会严重影响材料的强度，特别是在核反应堆等恶劣环境下。

在这项发表于《自然科学报告》的研究中，科学家们介绍了一种新方法，利用PIT技术快速加热金属表面，并通过红外摄像机测量热量扩散过程中的温度变化。内部缺陷会改变材料的热物理行为，影响热量的顺利通过。然而，传统的图像识别方法难以准确捕捉这些细微特征，因为图像可能受到热噪声的扭曲和热扩散的模糊影响。

为了克服这一挑战，研究人员开发了一种AI算法来处理PIT获得的热图像。该算法能够滤除噪音并增强缺陷的可见性，成功检测到直径小至100微米的缺陷，比以前的方法有了显著提高。首席研究员Alexander Heifetz表示，这一新方法在确保核应用结构材料完整性方面迈出了令人兴奋的一步。

增材制造技术在生产极端环境下使用的部件方面越来越受欢迎，但这些部件的长期强度和可靠性取决于缺陷的检测和预防。传统的无损缺陷检测技术难以识别复杂形状的3D打印结构中的细小表面下缺陷。相比之下，通过AI增强的PIT提供了一种可扩展到任意形状和尺寸的非接触式解决方案，使制造商能够在不损坏部件的情况下检查其完整性。

这种新方法对于能源和航空航天等行业具有特别的价值，因为这些行业必须在恶劣条件下保证材料的性能。及早发现缺陷可以防止代价高昂的故障并延长关键部件的使用寿命。

研究人员目前正在努力改进技术，提高PIT的灵敏度并优化AI算法以检测更小的缺陷。他们还计划将该技术扩展到其他材料和制造工艺。阿贡国家实验室博士后研究员张欣表示，这一突破表明AI有潜力解决复杂的无损评估和材料科学难题，正在开启新的可能性，以确保在最苛刻的环境中使用的材料的安全性和质量。