无损检测技术：从“耳朵听”到算法“看”，这中间的坑，不踩不知道
一、老手艺的执拗
一、老手艺的执拗
前两天在石化厂检修，看见一个干了三十年的探伤工，名叫老周。他戴着老花镜，盯着超声波检测仪屏幕，手指在焊缝上左摁右摁。我问：“周师傅，这活儿现在不都有电子扫查架了么？”他头也不抬：“那玩意儿扫得快，但有些小裂纹，它看不见。”我不信，他把探头往一个角落一放，屏幕上出现一个微弱的爬波信号。“喏，这里有个0.8毫米深的应力腐蚀裂纹，上次用相控阵扫过去，啥也没报。”
我当时心里咯噔一下。真的，那种感觉就像你以为已经搞定的事情，突然被人掀开底牌。无损检测这行，玩的就是“未知”。
二、AI来了，真的会看缺陷吗？
这两年工业界最火的，恐怕就是“AI缺陷识别”了。很多检测设备商，都在宣传深度学习模型能够自动识别焊缝底片上的裂纹、气孔、夹渣，甚至能把缺陷分门别类。什么“检测精度提升至99%”“减少人工判读时间70%”……这些数字，看多了有点反胃。
但说实话，我翻过一些论文，也是半信半疑。
比如去年《NDT & E International》上有篇综述，总结了近五年深度学习在射线检测中的应用，提到一个很扎心的事实：很多模型在实验室数据上表现惊艳，一到现场就拉胯。为什么？因为现场底片灰度不均、焊缝结构复杂、伪缺陷干扰多。有个研究组用YOLOv5在某个公开数据集上达到了93%的平均精度，但同一模型在一个合作厂提供的实际管道焊缝数据集上，精度直接掉到78%。问题出在哪儿？是训练数据不够脏，不够野。
深度学习模型识别焊缝射线底片缺陷示例图
不过话说回来，有些团队确实做出了东西。西安交大一个课题组，把注意力机制和特征金字塔结合起来，专门针对小尺寸缺陷，在多种材质焊缝上做了迁移学习实验，最后在一家锅炉厂的实际检测线上跑了一年，漏检率降到了2%以下。这成绩，连老周都说：“机器能这样，确实不错。”——但他马上补一句：“不过它没法跟你解释，为什么这是裂纹，那是焊瘤。它只给你一个框，然后说概率98%。你敢信？”
你看，这就是工程师的拧巴。
三、无人机、机器人满厂飞，但地儿不平就摔跤
这几年检测还流行一件事：无人机巡检。尤其是大型储罐、管道、风电叶片。装个红外相机或高清摄像头，飞一圈，回来用软件拼个图，再靠算法找热点或者变形。听着很酷炫。
但有一次在南方一个化工厂，无人机刚起飞没两分钟，就因为厂区气流不稳，啪一下撞在塔壁上，碎了。厂家说：“程序没算好雷诺数，我们以为那位置是层流……”现场工人哄堂大笑。你看，实验室的完美环境和真实工况中间，隔着一条鸿沟。
工业无人机在化工厂罐区飞行检测热成像示意图
还有爬壁机器人，带干耦合超声或者电磁超声的，在高空管道上爬行测厚。理论上，不用搭架子，安全高效。但有个朋友在一个炼油厂试过，机器人爬了没多久，轮子就被管道表面结晶的硫化物卡住了，进退两难，最后还得人爬上去把它救下来——简直黑色幽默。科技创新，有时候就像演小品。
四、数据、标准与人，这三座大山
四、数据、标准与人，这三座大山
无损检测行业有个公开的秘密：数据孤岛。每个厂的缺陷库都是自己的宝贝，绝不外传。这就导致AI模型很难泛化。你跟甲方说：“给我十万张有标注的底片，我帮你炼个佛。”甲方说：“十万张？我们十年攒不到一万张，而且标注全靠老师傅，一张要花半小时。”这事儿就僵住了。
标准也是大问题。传统检测有成熟的规程，比如ASME、RCC-M，对人员资质、设备校准都有详细规定。但AI辅助评片现在缺乏公认的评估标准。哪个模型好？怎么算过关？靠置信度阈值行吗？去年欧洲有个工作小组试图制定《工业射线成像的AI信任度准则》，开了好几次会，到现在还是草案。因为连专家都吵：到底是让AI先出个预判，人复核；还是人初筛，AI复检？责任谁担？
还有人的问题。老周私下跟我说：“我们这些老家伙，不是不愿学新东西，是怕以后这双手没用了。”的确，很多检测经验的传递是口口相传、手手相授的，里面有说不清的窍门。AI能学到这个？够呛。
但有一说一，我也见过特别好的融合案例。天津一家深冷容器制造公司，把相控阵超声和TOFD数据同时输入一个神经网络，实时三维成像，结合焊接工艺参数，预测微小延迟裂纹的萌生位置。这个成果发在《Journal of Nondestructive Evaluation》上，挺轰动。他们不追求全自动，而是做成一个辅助决策系统，把可疑区域高亮标记出来，让有经验的检测员最终判断。我觉得这是目前最靠谱的路子：人机共谋。
五、未来的检测工，会是什么样子？
大概三年前，我在一个国际展会上看到过一种可穿戴设备：眼镜上带微型显示器，能把超声波形和CAD图叠在真实焊缝上，用颜色标注缺陷位置。当时觉得像科幻电影，现在已经有工程样机了。还有更神的，德国一个团队在研究激光超声，完全非接触，隔着几米远就能激发超声波，检测高温状态下的管道。这要是成了，很多危险区域的检测就不用停堆了。
但新技术从实验室到车间，路长着呢。比如激光超声的信号稳定性，受表面粗糙度影响特别大，目前只能在精密加工件上耍耍，如果用在铸件上，信号散得厉害。
所以，无损检测技术正在经历一场进化，但不是取代，而是变异。工具在变，但决定性的那个判断，很长一段时间里，还得是人。或许十年后，检测工程师干活的方式会变成这样：戴上智能眼镜，手一指，无人机或机器人就过去扫描，数据回传云端，AI给出几个高风险候选位置，然后他爬上去，敲敲看看，用经验下一个结论。
文章写到这儿，我忽然想起老周前天给我发的一条微信：“那个AI系统，我今天又试了试。有个缺陷它标了，我看不像，让人挖开，果然是焊瘤不是裂纹。它错了。不过另外三个我们漏了的，它全找出来了。你说，我该骂它还是夸它？”
我没回他。因为我也说不清。
（全文完）