本文摘要：：坚信大家对核电站都不陌生，可是对核反应堆的日常确保与检测理解多少呢？雷锋网了解到，定期对核电站展开安全检查就只不过人们要定期上医院展开身体检查一样，十分有适当。传统的人工检测不仅效率较低，而且对一些微小的钢表面缝隙很难找到。这些缝隙一旦被漏检，就不会外泄放射性物质转入水或空气，给人类导致生命危险。因此，在AI时代，迫切需要寻找新的方法来替代传统检测。 对核电站来说，定期检查就是为了在引致事故或问题显得相当严重之前，寻找不存在的裂缝或找到其他问题。

：坚信大家对核电站都不陌生，可是对核反应堆的日常确保与检测理解多少呢？雷锋网了解到，定期对核电站展开安全检查就只不过人们要定期上医院展开身体检查一样，十分有适当。传统的人工检测不仅效率较低，而且对一些微小的钢表面缝隙很难找到。这些缝隙一旦被漏检，就不会外泄放射性物质转入水或空气，给人类导致生命危险。因此，在AI时代，迫切需要寻找新的方法来替代传统检测。

对核电站来说，定期检查就是为了在引致事故或问题显得相当严重之前，寻找不存在的裂缝或找到其他问题。然而，在核电站中检测裂缝并没那么更容易，因为核反应堆都是在水下，检测人员无法必要对其检测，不能通过检测摄像机摄制的视频弃帧对金属表面展开仔细检查。MohammadJahanshahi是普渡大学（PurdueUniversity，折合）的土木工程系由教授。

他明确提出了一个更佳的方法，利用GPU加快深度自学和机器学习构建核电厂裂缝的自动检测。5月8-11号，在硅谷举行的GTC2017，他不会谈到他是如何构建核电厂和其它基础设施的自动化检查。

雷锋网(公众号：雷锋网)也不会在第一时间抵达现场对大会展开报导。“在一个核电厂中，即使是一个小小的裂缝也不会造成放射性物质外泄，”Jahanshahi说道，“它可以蔓延并造成核事故。

”裂缝带给的代价也相当大。日益好转的地下管道泄漏放射性氚转入地下水之后，Jahanshahi说道，在佛蒙特洋基核电站（VermontYankeeNuclearPowerPlant），2010年的一起事故就导致多达7亿美金的损失。他同时补足道，1996年康涅狄格Milestone核电站由于阀门泄漏导致的事故，花费了2.54亿美元。

核电站的老化Jahanshahi的意识到在这一时刻来临了。根据世界核工业现状报告，全球相似15%的核能源设备运行时间都多达了他们预设的40年寿命，在美国，有多达三分之一的设备是这样。还包括美国在内的几个国家许可电站寿命超过了60年。随着核电站的老化，它们的部件显得更容易受到热、压力和腐蚀性化学物质而引发裂缝或其他问题。

仅有在过去的十年中，全球最少有十几家核电厂报导了裂缝问题。Jahanshahi说道，电站经常出现问题的其中一个原因就是检测严重不足。他在最近一期的《计算机辅助土木与基础设施工程》杂志中公开发表了他的研究结果。问题过于多，防治太少Jahanshahi与普渡大学的博士生Fu-ChenChen合作开发的自动化系统，将不会在问题显得更糟之前观测到设备问题。

建筑就像人一样，如果你尽早找到“症状”，就可以防止“生病”。实质上Jahanshahi和Chen并不是第一个吃螃蟹的人，此前也有其他方法对裂缝展开检测。但像其他设计用来检查检测视频中单帧画面的方法，常常不会错失一些微小的缝隙，而且也很难区分一些异常现象，比如焊点和刮痕。

用AI检测核电站中的裂缝普渡大学的系统称作CRAQ（crackrecognitionandquantification），也就是裂缝的辨识和分析，通过多个视频帧中的融合信息来找到钢表面有可能产生裂纹的纹理变化。这个系统可以看见在有所不同灯光条件和有所不同角度下的视频中的裂缝。研究人员利用机器学习技术开发了他们最初的系统，并且现在他们正在搭起深度自学算法来提升精度。

团队用于CUDA并行计算平台，用几千帧检测视频来训练它的算法。Pascal架构是基于英伟达泰坦X和GeForceGTX1070GPU以及cuDNN.Jahanshahi期望深度自学方法可以提高美国的基础设施状况。他说道：“随着计算机的GPU计算能力提高，我们可以利用计算机视觉、图像处理和深度自学来解决问题这个问题。

本文关键词：乐鱼体育,看,人工智能,如何,解决,核,泄露,问题,坚信

本文来源：乐鱼体育-www.greenglobe-co.com