Проверка поверхности самолетов — один из ключевых элементов авиационной безопасности. Каждый день тысячи лайнеров по всему миру проходят осмотр, чтобы выявить мельчайшие повреждения обшивки, трещины, следы усталости металла или скрытые дефекты. От этих процедур напрямую зависят надежность техники и жизни пассажиров.
Но сама проверка остается непростой задачей. Повреждения выглядят по-разному в зависимости от освещения, типа камеры или погодных условий, а база реальных примеров слишком мала, чтобы эффективно обучать системы искусственного интеллекта. Решить эту проблему взялись исследователи Южно-Манского университета совместно с коллегами из A*STAR в Сингапуре.
Ученые разрабатывают систему на основе больших визуально-языковых моделей (Large Vision-Language Models, LVLM). Эти алгоритмы одновременно «видят» и «читают» изображение, связывая картинку с текстом. Благодаря этому технология способна находить не только знакомые дефекты, но и новые типы повреждений, ранее не встречавшиеся в базе.
Проект разделен на три направления. Первое — обучение ИИ работе с минимальным набором данных, когда есть лишь несколько снимков повреждений. Второе — способность различать нормальную поверхность и дефекты без полного каталога неисправностей. Третье — гибкость модели: она должна подстраиваться под реальные условия инспекции, будь то смена освещения, новые камеры или другой тип самолета.
Внедрение таких решений, включая интеллектуальные камеры, роботов и современные алгоритмы, позволит повысить безопасность полетов и одновременно сократить расходы на обслуживание. Причем перспективы выходят далеко за пределы авиации: подобные модели могут применяться и в промышленности — от контроля качества деталей до мониторинга сложных машин.
Ранее Наука Mail рассказывала о том, что ИИ-помощника пилота могут внедрить в России в течение 2-3 лет.
