2025年11月13日，大连理工大学教授王智慧在深圳核博会核电厂在役检查论坛发表《无损检测数字化与智能化技防研发与应用》主旨报告。
报告围绕核电安全场景，介绍了无损检测的数字化与智能化两项工作：一是面向人员作业流程的智慧监控系统，通过多元感知、计算机视觉与流程状态机实现违规/误操作识别与实时预警。二是面向机械设备的状态监测方案，通过工前工后多视角拍摄、图像配准与小目标检测，实现螺丝缺失、脱落与松动的边缘端实时检测，并强调模型轻量化与人工复核以满足核电高可靠要求。
关键点：
1. 报告开场与研究背景：核电安全的两类关注点（00:00）
介绍报告主题“无损检测数字化与智能化研发与应用”。明确核电安全关注两方面：核电设备安全与作业流程中的人员操作流程安全；目标是引入数字化/智能化手段，利用智能传感、视频监控、AI算法与大数据分析，实现自动化监测、智能解析与异常实时预警。
2. 工作一：面向作业流程的智慧监控系统（人因风险降低）（01:37）
聚焦核电厂房内频繁且关键的人工操作流程（如导换、组件装卸等），针对疲劳、情绪等人因不确定性带来的风险，构建融合“终端指令管理 + AI视频监测”的综合监控系统。系统在人员执行标准流程的同时，能够识别错误行为并通过声光报警提示，形成安全闭环。
3. 智慧监控系统架构：云端训练、端侧推理与便携部署（02:56）
系统由主管终端与操作员终端（手持PAD）以及摄像头视频分析模块组成；模型训练可在云端服务器进行，但实际推理部署在端侧，通过PAD与小型边缘推理盒子即可完成全流程监测，强调低时延与高可靠、便携式落地。
4. 关键技术路线：手部关键点、按钮空间匹配与流程状态机校验（03:37）
从监控视频流中进行手部检测与追踪、关键点提取，并对按钮操作正确性进行判断：包括手移动方向预判（偏离目标按钮则预警）、按钮停留时间异常提示；同时结合工序状态校验与操作顺序状态机，判断是否在正确步骤执行了正确动作，实现从“单点动作判断”到“全流程对齐与时序一致性检测”。
5. 创新与工程化：多元感知融合、动作库分层与快速迁移部署（05:14）
总结智慧监控的融合创新：软件侧实现从原始视频到关键动作语义再到工序状态的感知，硬件侧完成摄像采集—AI感知—终端交互闭环；提出细粒度异常识别，将动作从L1到L3分解并构建原子级动作库，用于判断误操作、漏操作与顺序错误；通过面板与模板对齐实现按钮空间快速迁移，支持不同作业场景快速部署。
6. 工作二：机械设备状态监测（工前/工后螺丝松动与脱落检测）（09:05）
提出设备使用后通过手机/平板多角度自由拍摄，对工前工后设备零件状态进行对比监测，重点聚焦螺丝零件：判断工后是否仍存在、是否脱落、是否松动，并进行需求与细粒度问题分析。
7. 三步流程：工前图像库—蒙版引导工后拍摄—配准与检测判定（10:07）
建立工前多角度照片库（示例为8张覆盖关键视角）；工后拍摄采用“蒙版”引导以确保角度与内容一致，降低后续对比难度；获得工前工后图像后进行配准，再进行螺丝检测（分类与位置/框大小），利用框大小等信息判断松动幅度并结合逻辑进行异常定位，输出松动与脱落位置。
8. 边缘端落地：嵌入式开发板推理、模型剪枝蒸馏与人工复核（12:26）
算法部署在嵌入式开发板/边缘盒子上实现检测识别；训练阶段可使用GPU/相关开发板，后续可国产化替代。强调“服务器端训练 + 边缘端推理”，为在边缘端实现细粒度实时检测，引入模型剪枝与蒸馏获得小模型；同时因核电安全要求高，在前端界面加入人工复核机制，定位为辅助而非完全替代人工。
9. 业务价值展望与总结：从人到机器人、从核电到高安全行业泛化（15:33）
展望两项技术的可扩展性：人员行为识别可推广至更多动作与场景，并可扩展到机械臂/机器人操作的异常行为监控（已发布相关数据集与基准工作）。零件松动/脱落检测可泛用到多类设备，提供预警能力、提升运维管理水平。最后总结融合AI、计算机视觉与嵌入式系统，采用非接触方式减少人为干预，适配核电等高风险高精度场景并可推广至其他高安全要求行业。
时间线：
00:00 - 开场介绍与主题引入：无损检测数字化与智能化，面向核电安全的意义与目标。
01:37 - 工作一总体：智慧监控系统聚焦作业流程与人因风险，强调标准流程执行与错误行为预警。
02:56 - 系统架构与部署：PAD终端+摄像头分析，云端训练与端侧推理结合，便携低时延高可靠。
03:37 - 技术路线细节：手部追踪与关键点、按钮空间匹配、停留时间与方向预判、流程状态机校验。
05:14 - 创新点与工程化：多元感知融合、原子动作库与分层动作分解、面板对齐实现快速迁移部署。
09:05 - 工作二总体：机械设备状态监测，工前/工后对比检测螺丝缺失、脱落与松动。
10:07 - 三步流程落地：工前图像库建立、蒙版引导一致拍摄、配准后进行检测分类与异常定位。
12:26 - 边缘端实现与可靠性：嵌入式推理、模型剪枝蒸馏、实时告警，并引入人工复核。
15:33 - 展望与总结：拓展到机器人异常行为监控与多设备泛化应用，提升预警与运维管理水平。
AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：
王智慧在深圳核博会分享核电无损检测数字化与智能化应用进展
2025年11月13日，大连理工大学教授王智慧在深圳核博会核电厂在役检查论坛发表题为《无损检测数字化与智能化技防研发与应用》的主旨报告，围绕核电安全中的设备状态管控、作业流程监管以及人工智能技术落地等内容，介绍了无损检测数字化与智能化在核电场景中的研发进展和应用探索。
报告指出，核电安全主要涉及两方面内容：一是核电设备本身的安全，需要尽可能降低设备故障、部件异常和潜在隐患带来的风险；二是作业流程和人员操作安全，需要减少由疲劳、情绪、经验差异等人为不确定性引发的误操作风险。面向这些需求，数字化与智能化技术能够通过智能传感、视频监控、AI算法和大数据分析，持续获取设备状态与作业过程数据，并实现智能解析、异常识别、实时预警以及声光和终端告警，形成从数据采集到风险处置的能力闭环。
在面向人员操作安全的作业流程智慧监控系统方面，王智慧介绍，该系统主要针对核电厂房内高频、关键且安全要求较高的作业流程，例如导换、组建装配等环节。由于这些环节仍以人工操作为主，操作人员的状态变化可能带来误按、漏步、越步或顺序错误等风险，因此有必要引入智能化监控手段，对操作动作和工序逻辑进行全过程校验。
该系统采用主管终端、操作员终端、视频采集设备、云端训练平台和边缘端推理设备协同工作的架构。摄像头负责采集现场操作视频，云端服务器用于模型训练，实际部署时则通过端侧推理盒子与PAD或手持终端完成在线运行，从而避免依赖大型GPU服务器，提升现场部署的灵活性、低时延能力和可靠性。系统能够在作业过程中接收任务指令、识别操作动作、判断流程状态，并在发现异常时联动终端提示和声光报警。
在核心技术路线上，系统从视频流中的人手识别入手，完成手部检测与追踪、关键点提取等步骤，再结合按钮空间位置进行匹配和预判。系统可根据手部移动方向预测操作人员即将触碰的目标按钮，若手部运动轨迹明显偏离应操作区域，便提前发出预警；若手部在某一区域停留时间过长，也可触发误操作或异常提示，以降低漏报风险。在此基础上，系统进一步引入工序状态机，将当前动作与应执行步骤进行对齐，识别顺序错误、越步操作和流程不一致等问题。
这一技术路线的关键在于将动作级识别与流程级校验结合起来。系统并非只判断“手是否按到了按钮”，而是构建“手—按钮—流程”三层验证链，从动作正确性、空间匹配关系和工序一致性三个层面进行联合判断。同时，针对手指遮挡、动作复杂、操作连续性强等现场难点，系统通过手部关键点优化、遮挡处理和细粒度异常识别机制提升稳定性，并将复杂动作分解为L1至L3不同层级，建立原子级动作库，用于识别漏操作、错操作和乱序操作。
王智慧表示，该系统还具备较强的可迁移部署能力。对于不同工厂、不同控制面板或不同作业流程，只需完成面板按钮空间关系和模板对齐，便可在较大程度上复用底层视觉识别和流程校验能力，实现快速适配。未来，这类智慧监控系统不仅可从手部动作扩展到全身姿态和行为识别，还可面向无人工厂中的机器人、机械臂作业，监测机器人异常行为并进行预警。团队也在推进机械臂异常行为识别Benchmark及配套方法的建设，为相关研究和工程应用提供数据集与技术支撑。
在面向设备状态安全的机械设备状态监测方面，报告重点介绍了针对零件松动、脱落等问题的智能识别方法。该方向面向工前与工后状态对比，通过手机多角度自由拍摄方式，对设备关键小零件进行核验，重点判断螺丝是否存在、是否脱落、是否松动以及松动幅度等级。与传统依赖人工经验巡检或单一标准图像比对的方式相比，该方法更强调流程化、可引导和可定位。
具体流程包括三个步骤：首先，在工前建立照片库，从多个角度采集设备图像，例如通过8张图片覆盖主要视角；其次，在工后进行引导式采集，通过蒙版或对齐框提示操作人员按相近角度拍摄，降低后续图像对比难度；最后，在完成图像配准后进行螺丝目标检测与状态判定。系统输出的信息包括异常类别、中心坐标、检测框大小等，并结合检测框尺度和位置变化推断螺丝是否松动、松动程度以及异常发生部位，最终形成脱落部位、松动部位及对应证据图像或提示。
在工程实现上，该设备状态监测方法可部署于嵌入式开发板，在端侧完成识别、对比与报警。训练阶段可使用NVIDIA等平台进行模型开发，部署阶段则可采用国产化硬件替代，以满足核电等关键行业对自主可控和现场适配的要求。为了保证实时性，团队通过模型剪枝、知识蒸馏等轻量化手段，使小模型能够在有限算力条件下完成实时检测和告警。同时，在高安全要求场景中，该系统并不主张完全替代人工，而是采用“AI辅助+人工确认”的方式，为运维人员提供更早期、更精准、更可定位的风险提示。
针对机械设备中大量密集螺丝的小目标检测难题，团队还开展了专项优化。由于螺丝尺寸小、数量多、分布密集，且拍摄角度、光照和遮挡情况会影响识别效果，系统需要在图像配准、小目标定位、状态分类和异常证据输出等环节保持较高鲁棒性。通过工前照片库、工后引导采集和配准后检测的组合方式，该方法能够更好地适应现场复杂条件，并可推广至更多类型设备和部件的松动、脱落检测。
王智慧在报告中表示，无损检测数字化与智能化的核心，是推动人工智能、计算机视觉、智能传感、嵌入式系统与核电现场业务深度融合。相较于传统巡检方式，非接触式智能分析能够减少人为干预和经验依赖，对作业流程异常与设备状态异常进行自动识别和提前预警。相关技术优先适用于核电这类高风险、高精度、高可靠性要求场景，也可拓展至石化、能源、轨道交通、航空航天和高端制造等其他高安全要求行业。
