东芝发布AI图像识别无损检测方案

第13届综合检验设备展（JIMA2026）于东京有明国际展览中心开幕。展会聚焦非破坏检测技术的Zui新进展，日本东芝综合研究所所长落合诚接受专访，详细披露了人工智能图像识别技术在工业无损探伤中的落地路径。该机构正推动检测模式从传统人工目视向数据驱动的资产全生命周期管理转型。

东芝于去年4月完成研究部门重组，将原本分散于能源、基础设施、先进器件等领域的研发力量整合至川崎市幸区的新址“创新调色板”大楼。落合诚指出，社会基础设施老化与能源系统复杂化已超出单一专业部门的应对能力。此次架构调整的核心目的，是打破组织壁垒，强化非破坏检测团队与AI算法专家的直接协作，从而加速复合型解决方案的设计与迭代。

在具体的技术应用层面，AI图像识别已成为当前渗透率Zui高的环节。传统射线或磁粉探伤依赖检验员肉眼判读缺陷影像，引入深度学习模型后，表面裂纹与内部气孔的初筛效率显著提升。除视觉处理外，东芝同步推进声学发射（AE）技术与超声波探伤数据的数字化改造。针对桥梁等大型钢结构，系统通过捕捉材料破裂瞬间产生的微弱弹性波，结合多传感器时间差算法实现损伤定位。现场部署数据显示，无线化传输方案较传统有线布线削减了43%的作业工时。

数据自动关联与隐性知识显性化

超声波探伤环节的痛点在于海量检测数据与空间坐标的脱节。过去检验人员需手动记录探头位置，数万条波形数据难以与设计图纸对应。东芝新开发的自动映射系统可将采集信号实时绑定三维坐标，直接导入数字孪生平台。这一改动不仅消除了人工录入误差，更为后续的强度衰减评估与剩余寿命预测提供了结构化输入。对于中国工程承包商而言，具备坐标自动记录功能的探伤仪将大幅降低后期数据清洗成本，缩短项目验收周期。

尽管算法迭代迅速，但工业界对AI的采纳仍面临“可解释性”瓶颈。落合诚强调，现有模型仅输出合格或不合格的结论，缺乏判定依据的逻辑溯源。在电力设施与轨道交通等安全敏感领域，缺乏行业统一验证标准导致企业倾向于保留人工复核环节。为此，东芝正在开发高可解释性AI模块，强制输出特征信号图谱与决策权重。同时，机构规划了三大研发主轴：数据分析型AI、熟练技能继承AI以及物理执行型AI（具身智能），旨在将隐性的老师傅经验转化为标准化的操作指令库。

日本非破坏检测市场正经历从“合规性筛查”向“资产价值维护”的范式转移。随着劳动力老龄化加剧，传统依赖经验积累的探伤工艺面临断层风险。设备供应商若能在产品中嵌入状态诊断算法与运维决策辅助功能，将更契合当地业主延长设施服役周期的核心诉求。中国出口商在布局亚太及欧美高端检测设备市场时，应重点关注设备的软件开放接口协议、数据导出格式兼容性以及是否符合IEC相关电气安全标准。具备边缘计算能力且支持云端数据对接的智能化探伤终端，将成为下一阶段渠道竞争的关键标的。

此次展会同期举办的传感器与测量技术论坛进一步印证了检测仪器微型化与网络化的趋势。落合诚在展望中表示，未来的检验设备不再局限于划定合格线，而是通过持续监测劣化曲线，动态调整运行负荷与检修计划。这种从被动响应到主动干预的转变，要求供应链上下游提前布局预测性维护生态。对于国内制造企业而言，掌握核心传感元件与轻量化算法框架的自主可控能力，将是切入高附加值工业检测赛道的必经之路。