Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
«Росатом» установит на заводах ядерного топлива комплексы машинного зрения, чтобы снизить человеческий фактор
Дата публикации: 30-07-2026 15:11:00
«Росатом» ищет разработчиков отечественных программно-аппаратных комплексов промышленного компьютерного зрения. Масштабный проект предусматривает разработку и серийный выпуск ПАК на базе российской компонентной базы и платформы «АтомМайнд» для развертывания на заводах «ТВЭЛ», занимающихся выпуском ядерного топлива, сплавов циркония и оборудования для обогащения урана.
Основное содержимое страницы с новостью.
30 Июля 2026 18:11 30 Июл 2026 18:11 |
«Росатом» ищет разработчиков отечественных программно-аппаратных комплексов промышленного компьютерного зрения. Масштабный проект предусматривает разработку и серийный выпуск ПАК на базе российской компонентной базы и платформы «АтомМайнд» для развертывания на заводах «ТВЭЛ», занимающихся выпуском ядерного топлива, сплавов циркония и оборудования для обогащения урана.
Нужны разработчикиКак выяснил CNews, госкорпорация «Росатом» изучает возможность внедрения искусственного интеллекта на предприятиях, выпускающих ядерное топливо, для автоматизации контроля. Информация об этом появилась в системе закупок «Росэлторг».
Согласно размещенной документации, «Росатом» заинтересован в привлечении российских разработчиков для выполнения работ, включая исследовательские, опытно-конструкторские или иные работы, по теме: «Разработка программно-аппаратных комплексов машинного зрения для автоматизации контрольных операций на производстве».
При производстве ядерного топлива применят особый контроль ИИ
Заказчиком выступает АО «Проминн» (структура «Росатома»). В списке площадок для внедрения указаны ключевые и высокотехнологичные предприятия Топливной компании «ТВЭЛ» («Росатом»): Машиностроительный завод (АО «МСЗ», Электросталь) и ПАО «НЗХК» (Новосибирск) — одни из крупнейших производителей ядерного топлива для АЭС как в России, так и в мире. АО «ЧМЗ» (Глазов) — производство изделий из циркония и его сплавов для ядерного топлива, обладает технологиями переработки обедненного урана. Также в списке ООО «РЭНЕРА» (Калининградская обл., гигафабрика), где организовано производство накопителей энергии и батарей для электротранспорта, и ООО «НПО Центротех» (Новоуральск), его профиль — это газовые центрифуги для обогащения урана, используемого для выпуска ядерного топлива.
Проект создания ПАК включает полный цикл — от создания прототипов и написания прошивок контроллеров до апробации в реальных цехах и подготовки конструкторской документации к серийному производству. Длительность работ составит 25 тыс. человеко-часов.
ИИ-валидация как гарантВ состав планируемых ПАК войдет собственная аппаратная часть, включающая уникальные инженерные решения, отработанные в ходе промышленных экспериментов, и программная платформа «АтомМайнд» (ИИ-платформа «Росатома» и ИТ-разработчика «Индастри софт солюшнс», рассказала CNews руководитель направления по управлению данными «ТВЭЛ» Ольга Рассоха.
«Именно ПО выступает связующим звеном, модульно интегрирующим все компоненты в единую экосистему управления качеством. Кроме того, архитектура ПАК изначально предусматривает наличие средств защиты информации, что гарантирует полное соответствие строгим корпоративным и регуляторным требованиям информационной безопасности», — отметила Ольга Рассоха.
При разработках сделан строгий приоритет в пользу российского оборудования и ПО.
«Приоритет импортозамещения соблюдается строго. Разрабатываемое программное обеспечение полностью соответствует внутренним Единым отраслевым методическим указаниям (ЕОМУ) «Росатома». Аппаратная часть ПАК собирается из компонентной базы, включенной в реестр Минпромторга России, что гарантирует технологический суверенитет и безопасность цепочек поставок», — заявили в Росатоме.
Ольга Рассоха также рассказала, почему компания ищет сторонних российских разработчиков ПАК.
«Мы выстроили двухуровневую модель разработки. Базовая R&D-экспертиза и создание ML-моделей сосредоточены в нашем профильном центре компетенций — АО "Проминн". Именно они отвечают за разработку прототипов, отладку методологии и обучение алгоритмов. Привлечение внешнего подрядчика необходимо на следующем этапе. Контракт с ним заключается для сборки опытных и последующих серийных образцов ПАК. Такое разделение позволяет сохранить ключевые интеллектуальные компетенции и ноу-хау внутри контура Росатома, делегируя внешнему рынку только задачи аппаратного масштабирования и серийного производства, но уже после полной отработки решения на прототипах», — указала представитель компании.
Для чего нужны комплексы с ИИПАК с компьютерным зрением позволят предприятиям «Росатома» повысить операционную эффективность, а также исключить человеческий фактор.
«Автоматизация исключает человеческий фактор из рутинных проверок и кратно увеличивает пропускную способность контроля. Но главное — это данные. Автоматизированные системы формируют цифровой след изделия, позволяя накапливать структурированную базу данных и обеспечивать сквозную прослеживаемость на протяжении всего жизненного цикла продукта», — пояснила Ольга Рассоха.
На текущем этапе ИИ будет помогать компании решать ряд задач. Фокус будет сделан на направления: контроль геометрии изделий на соответствие чертежам, детекция дефектов поверхности (сколы, микротрещины, царапины), выявление посторонних объектов в контролируемой зоне.
«Задача поставлена непосредственно производственными площадками. Специфика атомного машиностроения не допускает компромиссов: продукция должна строго соответствовать требуемым параметрам и уровню качества, так как речь идет о деталях для атомных реакторов. ИИ-валидация позволяет гарантировать это соответствие, минимизировать репутационные и производственные риски, а также создать централизованный цифровой архив качества по каждому выпущенному изделию», — отметили в «ТВЭЛ».
При этом человек, безусловно, останется в контуре управления качеством. «Оператор не исчезает, он меняет свою роль: из исполнителя рутинных проверок он становится контролером работы ИИ-системы, принимая финальные решения в сложных или спорных случаях. Высвобождаемый человеческий ресурс будет перераспределен на более сложные и интеллектуальные задачи. О сокращении персонала в рамках этой инициативы речи не идет», — заявила CNews Ольга Рассоха.
Сбор данныхПри обучении нейросетей в «Росатоме» будут использовать синергетический подход. «Над каждым проектом работает кросс-функциональная группа в тесной связке с заказчиком. Производственная площадка предоставляет доступ для сбора данных в реальных условиях эксплуатации. При этом ключевую роль играют предметные эксперты завода: они участвуют в валидации и помогают размечать выборку, обеспечивая высокую релевантность данных», — пояснила Ольга Россоха.
Критерием приемки моделей компьютерного зрения является достижение 99% по метрике F1 на контрольной выборке изображений.
«Таких показателей мы добиваемся за счет строго контролируемой среды съемки и тщательного подбора аппаратных параметров камеры. Важно отметить, что мы не ограничиваемся только глубоким обучением. В ПАК применяются алгоритмы классического компьютерного зрения и субпиксельные методы анализа, которые позволяют сверхточно определять и измерять контуры изделий, обеспечивая допустимую погрешность на уровне единиц микрон», — указала Ольга Рассоха.
При этом требования к частоте кадров и задержкам адаптивны и зависят от специфики объекта.
«Например, для крупных деталей со сложной геометрией и большим количеством параметров частота может составлять около 15 FPS (кадров в секунду). Это обусловлено необходимостью съемки и последующей обработки изображений сверхвысокого разрешения. Процесс организован в режиме реального или близкого к реальному времени. Это критически важное условие: система не должна создавать „узких мест“ на конвейере или заставлять оператора ждать результата проверки, сохраняя непрерывность производственного процесса», — отметила представитель Топливной компании «ТВЭЛ».
Экспертный консилиумВнедрение искусственного интеллекта на предприятиях Топливной компании «ТВЭЛ» показывает, что промышленное компьютерное зрение выходит из стадии пилотов и становится стандартом для крупных корпораций, считают эксперты, опрошенные CNews.
Китайский ИТ-рынок в 2026 году: гид для российского экспортера бизнес
Директор департамента бизнес-решений и цифровой трансформации «Софтлайн Решения» (ГК Softline) Егор Ворогушин отмечает фундаментальное отличие компьютерного зрения от других ИИ-направлений.
«Машинное зрение — одна из самых зрелых и "производственно проверенных" ветвей прикладного ИИ: в отличие от генеративных моделей, которые сейчас у всех на слуху, компьютерное зрение решает одну узкую и понятную задачу — выявляет отклонения. В России такие системы давно не экзотика. Классическая область применения — ровно то, что ищет ТВЭЛ: контроль качества, поиск повреждений оборудования, оценка состояния продукции и помещений, контроль безопасности», — отмечтил Егор Ворогушин.
Технический директор MD Audit Юрий Тюрин добавляет, что машинное зрение в России применяют давно и довольно широко и в первую очередь там, где нужен постоянный визуальный контроль: проверить качество продукции, найти дефект, измерить параметры, считать маркировку. Эти же системы используют для контроля безопасности и отдельных этапов технологического процесса. Их встраивают в производственные линии, связывают с АСУ ТП — то есть речь уже не об отдельных пилотах. В добыче полезных ископаемых, например, машинное зрение контролирует загрузку техники и оценивает объем и параметры сырья. В металлургии и машиностроении оно помогает находить микродефекты, которые человек при обычном осмотре может пропустить.
По словам эксперта НТИ по новым материалам и технологиям Евгения Вишневского, уровень внедрения искусственного интеллекта в промышленности пока нельзя назвать массовым. Но планы «Росатома» подтверждают, что промышленный ИИ постепенно переходит из стадии экспериментов в категорию базовых производственных инструментов.
«В атомной отрасли требования к надежности и точности существенно выше, поэтому потребуется глубокая адаптация алгоритмов под конкретные технологические процессы и длительная валидация решений», — говорит эксперт.
Специфика ядерного производстваГенеральный директор «Биорг» (компания внедряла машинное зрения на Калининской АЭС) Дарья Джанкотти отмечает, что внедрение точных алгоритмов компьютерного зрения на производстве ядерного топллива может оказаться нетривиальной задачей, так как изделия из циркония, урана и титана иногда обладают зеркальными или бликующими свойствами. И этот тот самый случай, где машинное зрение часто дает ложные срабатывания.
«В совокупности с тем, что в ядерной промышленности существуют микронные допуски — трещины, поры, включения на уровне долей миллиметра — это может быть определенным вызовом, хотя вопрос решаем съемкой в видеопотоке, в спектре, алгоритмами улучшения. Однако подобный риск в техзадание заложили, прописав требование обеспечить рабочие места аттестованными средствами измерений, а также разработать и аттестовать/сертифицировать методику измерений на этапе апробации. Для "ТВЭЛ" система контроля должна получить официальный метрологический статус, встать в один ряд с признанными методами неразрушающего контроля (вихретоковым, ультразвуковым), а не остаться вспомогательным инструментом», — указала эксперт.
Поэтапная методика внедрения, прописанная в закупке, по мнению главы «Биорг», нацелена именно на постепенное снижение рисков.
«Заказчик не уверен, что типовое решение по контролю сразу заработает с нужной точностью на каждом виде. Отсюда требование создать прототипы "для проработки возможности выполнения видов контроля с необходимой точностью". Также методика из трех этапов — прототип (PD.PAK.1), опытный образец (PD.PAK.2), апробация в реальных условиях производства с аттестацией методики измерений (PD.PAK.3) — это классическая схема поэтапного нивелирования риска. Таким образом, несмотря на то, что базово технологии компьютерного зрения в России развиты очень хорошо, адаптация под нетиповые металлические/ядерные материалы и метрологические требования требует специальной доводки. Эту логику справедливо закладывают в саму структуру контракта», — считает эксперт.
Джанкотти обращает внимание на особенности юридической классификации и структуру взаимодействия, которые описаны в закупочной документации.
«Забавная деталь — это формальный код ОКПД2 62.01.11 "Услуги по проектированию и разработке ИТ и тестированию ПО" несмотря на явный перевес "железных" механических и электромонтажных работ в самом описании. Так регулятор классифицирует подобные гибридные ПАК-проекты. Справедливо, что в техническом задании описывают рамочную схему выполнения работ по заявкам, с лимитом в человеко-часах, без фиксированного технического результата. Конкретный состав работ, сроки и так далее каждый раз будут определять отдельной "Заявкой". Решения будут создавать итерационно, под разные типы контрольных операций, что в целом, логично с учетом специфики отрасли», — пояснила глава «Биорга».
Системные барьерыНесмотря на технологическую готовность алгоритмов, масштабную автоматизацию в промышленности сдерживает ряд инфраструктурных и организационных факторов. Аналитик Центра стратегической поддержки отечественных технологий Константин Руденский призывает не ждать быстрых результатов из-за высокой ответственности.
«Само по себе машинное зрение сегодня уже не является экспериментальной технологией. Вопрос скорее в сложности конкретной производственной среды. Для предприятий ТВЭЛ речь идет не о типовом контроле качества, а о работе с критически важной продукцией, где цена ошибки крайне высока. Поэтому ожидать быстрого внедрения не стоит. Я думаю, что часть проекта уйдет на обучение моделей, интеграцию с существующими производственными процессами и проч. У нас есть необходимые технологии, но многие внедрения пока носят локальный характер и не всегда масштабируются на весь производственный цикл. В целом уровень внедрения ИИ в отечественной промышленности остается неравномерным. Лидеры активно инвестируют в цифровизацию, но массового перехода нет. Главная проблема не в отсутствии алгоритмов, а в нехватке качественных промышленных данных. Также сложно интегрировать с устаревшим оборудованием и есть дефицит специалистов, способных сопровождать такие системы», — пояснил эксперт.
При этом, по оценкам Дарьи Джанкотти, в целом в России наблюдается резкий рост спроса именно на автоматизацию контроля качества за счет компьютерного зрения.
«По данным компании Nord Clan, в 2025 г. доля запросов, связанных с автоматическим контролем качества и поиском дефектов, выросла с 35% до 52% среди всех обращений по теме компьютерного зрения. Российские интеграторы предлагают серийные решения для контроля геометрии, дефектоскопии поверхности, считывания маркировки и контроля сборки на конвейере», — резюмировала эксперт.
Схожие новости
Классификация: Наука. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 8.49. Источник: mobileb2b.cnews.ru.