韩国中央大学研发AI扩散算法，全面升级无损检测缺陷智能识别能力
韩国中央大学机械工程系工业人工智能实验室团队发布重磅科研成果，自研DiffectNet扩散条件目标生成网络算法，成功解决了传统无损检测设备细微缺陷识别难、噪声干扰大、模糊缺陷判读准确率低的行业痛点，为全球无损检测设备智能化升级提供了核心通用算法支撑，全面推动NDT检测从人工判读向AI智能精准研判跨越式升级。当前，全球无损检测设备已广泛应用于航空航天、精密制造、轨道交通、新能源、核电军工等高端领域，但传统检测设备普遍存在算法短板，在复杂工况下，检测图像易受电磁、光照、材质纹理、设备噪声干扰，导致微小裂纹、微观孔隙、模糊夹层、晶格缺陷等低对比度缺陷难以被精准识别，人工判读依赖从业者经验，存在效率低、误差大、标准不统一等问题，严重制约高端制造业质检精度与产品良率提升。
本次韩国中央大学研发的DiffectNet算法，是全球首款针对无损检测低质量图像优化的专用AI扩散算法，区别于通用图像识别算法，该算法深度适配超声、射线、电磁、激光、中子等全品类无损检测设备的成像特征，通过正向扩散降噪、反向缺陷重构、特征增强三大核心技术，对模糊、噪点多、对比度低的NDT检测图像进行高清重构，精准提取微小缺陷、隐性缺陷、不规则缺陷的核心特征，实现缺陷的自动定位、分类、定级与量化分析。经过海量工业检测样本训练优化，该算法可识别0.05mm级微观缺陷，对复杂工况下低信噪比检测图像的缺陷识别准确率提升38%，整体判读效率提升4倍，彻底摆脱人工干预，实现全流程自动化智能检测分析。同时，该算法具备极强的兼容性，可快速适配国内外主流品牌的无损检测设备，无需大规模硬件改造，仅通过软件升级即可完成智能化迭代，落地成本低、适配范围广。
目前，DiffectNet算法已进入全球多家无损检测设备企业的适配测试阶段，与韩国、德国、美国、中国多家头部NDT设备厂商达成技术合作意向，即将批量搭载于新一代智能无损检测设备。测试数据显示，搭载该算法的超声探伤仪、工业CT、激光检测仪，在航空精密构件、半导体器件、新能源电池、轨道交通零部件的质检场景中，缺陷漏检率、误检率大幅下降，高端精密产品质检合格率显著提升。业内科研机构评价，该AI扩散算法的突破，补齐了无损检测行业智能化升级的核心短板，解决了长期困扰高端精密制造质检的技术难题，为全球无损检测设备的标准化、智能化、高精度化发展提供了通用核心技术，将全面重构高端工业质检体系，推动全球精密制造行业质量管控水平迈上新台阶
