《新燃料组件外观及燃料棒端塞智能检查系统》——辽宁红沿河核电有限公司核燃料与安全分析主管工程师曹萌

2025年11月14日，辽宁红沿河核电有限公司核燃料与安全分析主管工程师曹萌在深圳核博会“AI+核能创新应用场景路演”上发表《新燃料组件外观及燃料棒端塞智能检查系统》主旨报告。

汇报介绍了核燃料组件外观及下端塞智能检查系统的研发背景、总体方案、检测算法、创新优势和应用价值。该系统通过高分辨率成像、多传感器融合、运动控制与深度学习异常检测，实现组件外观和端塞焊缝的自动化检查、智能诊断与结构化数据管理，目标是提升质量管控能力并支撑核燃料零破损。

关键点
1. 汇报主题与结构（00:03）
汇报人来自辽宁还原核电有限公司，代表项目团队介绍燃料组件外观及状态自动检查系统的研发成果，并说明将从多个方面展开汇报。

2. 研发背景与痛点（00:27）
近两年国内核电厂多次出现因燃料组件破损、下端塞掉落等问题引发的非计划停堆，监管部门要求以核燃料零破损为目标强化可靠性管理。现有入堆前检查存在自动化不足、难以精确检测和数字化追溯，以及依赖人工导致效率低、漏检风险高等短板。

3. 系统目标与核心能力（01:04）
项目研发了新燃料组件外观及下端塞智能检查系统，依托高分辨率光学成像、机器视觉和深度信息技术，实现组件外观和端塞焊缝的自动化检测、智能诊断及影像数据结构化管理，为核燃料健康预测模型和零破损目标提供数据基础。

4. 模块化总体方案（01:38）
系统采用模块化设计，由主控制机柜、端塞状态检查子系统和四面外观检查子系统组成。主控制机柜集成工控机、运动控制器和交互设备，统一协调检测动作与数据处理；端塞检查子系统通过三轴直线模组、力传感器和视觉定位完成精确定位；四面外观检查子系统通过远焦与近焦相机组合采集组件四面图像。

5. 四面外观检查流程（02:35）
燃料组件从开箱间提升至二十米平台时，系统实时识别上下管座并自动启动图像采集。采集完成后，系统分割格架和燃料棒区域，将结果传递给异常检测模型进行缺陷识别，并利用流水孔特征点和融合定位技术生成组件全景图像。

6. 下端塞焊缝检查方案（03:05）
针对下端塞分布密集、空间受限的特点，系统采用多台 USB 相机对称布置，确保每根燃料棒下端塞焊缝都能完整覆盖和采集。检查机构通过定位相机自动追踪下管座位置，以左下角为原点，每台相机负责一列采集点，并通过左右视野互补实现端塞焊缝无死角检查。

7. 异常检测算法与测试结果（03:53）
系统采用传统图像处理与深度学习融合的方法检测下端塞焊缝。算法先用固定模板定位提取月牙形焊缝区域，再通过反射成像区域分割和像素片展开将环形焊缝转为图像矩阵；深度学习部分采用无监督异常检测模型，仅需正样本训练即可识别异常。测试显示，外观异物图像级识别准确率达到 95%，端塞焊缝检测准确率达到 99%。

8. 介绍视频展示（05:05）
汇报中播放介绍视频，展示新燃料接收过程中的智能检查、图像采集、拼接、缺陷检测报告以及下端塞相关检测流程。

9. 增量学习与持续优化（06:27）
系统内置增量学习框架，随着检测数据积累，可持续增强微缺陷识别能力，形成自我完善的闭环，为核燃料安全提升提供长期技术保障。

10. 创新效益与数字化价值（06:45）
系统实现了从人眼检查到高清影像加 AI 分析的技术跨越，构建了燃料组件全生命周期数字化体系，为核安全提供可追溯、可记录、可量化的客观平台。其产生的高质量数据可服务智慧电厂和数字孪生建设，并验证了人工智能在核工业高危高精场景中的适用性。

11. 竞争优势与应用潜力（07:23）
系统响应国家监管要求，将高分辨率工业相机与深度学习算法融合，具备全流程自动检查能力，可在燃料组件接收期间实现无人值守作业，并采用国产化技术和设备保障数据与供应安全。它推动质量管理从被动响应、依赖经验转向主动防御、数据驱动，并具备形成行业标准应用的潜力。

12. 系统价值与总结展望（08:12）
系统是落实核燃料组件零破损目标和高标准监管要求的具体实践，可从源头减少缺陷组件入堆风险；避免一次由燃料组件问题导致的非计划停堆即可覆盖研发成本。项目完成了从人眼判断到 AI 智能诊断、从抽检到全面覆盖、从纸质记录到数字孪生的跨越，形成可复制、可扩展、可迭代的智能检查范式。

时间线
00:03 - 开场介绍汇报人、项目团队和汇报主题，说明内容将围绕燃料组件自动检查系统研发成果展开。
00:27 - 说明核燃料组件安全管理的现实压力，以及现有入堆前检查在自动化、效率和追溯方面的不足。
01:04 - 提出智能检查系统的研发思路，介绍其依托的成像、视觉和数据管理能力。
01:38 - 进入系统方案说明，按主控制机柜、端塞检查子系统和四面外观检查子系统介绍硬件组成与协同方式。
02:35 - 分别讲解四面外观检查和下端塞检查的实施流程，包括自动触发采集、图像分割、定位追踪和多相机覆盖。
03:53 - 介绍异常检测算法路线，从焊缝区域提取、图像展开到无监督深度学习模型，并给出测试准确率。
05:05 - 播放系统介绍视频，辅助展示新燃料接收和智能检测过程。
06:27 - 转入创新亮点、效益和竞争优势，强调增量学习、数字化平台、无人值守、国产化和行业推广潜力。
08:12 - 总结系统在安全、经济和长期数据价值方面的意义，并展望其作为可复制智能检查范式的应用前景。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

AI赋能核燃料入堆前检查：新燃料组件智能检查系统的研发与应用

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，辽宁红沿河核电有限公司核燃料与安全分析主管工程师曹萌作了题为《新燃料组件外观及燃料棒端塞智能检查系统》的主旨报告，介绍了面向核燃料组件入堆前质量管控的智能化检测方案。该系统的研发背景，源于近年来国内核电厂因燃料组件破损、下端塞掉落等问题引发的非计划停堆事件，也源于国家核安全监管部门提出的“核燃料零破损”目标。在传统检查方式中，影像记录系统更多承担存档功能，难以实现精确检测、智能识别和数字化追溯；人工目视检查则存在效率低、主观性强、漏检误检风险高等短板。因此，研发自动化、智能化的新燃料组件外观及下端塞检查系统，成为提升核燃料可靠性管理能力的重要方向。

该智能检查系统以主控制机柜为核心，集成工控机、运动控制器和交互设备，统一协调检测动作、图像采集与数据处理。系统主要包括下端塞检查子系统和四面外观检查子系统：前者通过XYZ三轴直线模组实现精确定位，并结合力传感器、视觉定位和末端执行工具完成下端塞焊缝检测；后者采用远焦与近焦相机组合布局，对燃料组件四个侧面进行全方位图像采集。整体技术路线以高分辨率工业光学成像为基础，融合视觉定位、多传感器信息和高精度运动控制，使系统能够在受限空间内完成自动化检查，并将检测影像和诊断结果转化为可追溯、可查询、可分析的结构化数字文件。

在四面外观检查方面，系统能够在燃料组件从开箱间提升至二十米平台的过程中，实时识别上下管座位置并自动触发图像采集。采集完成后，系统会自动对图像中的格架区域和燃料棒区域进行精准分割，再将分割后的图像输入异常检测模型，用于识别外观缺陷。同时，系统利用格架流水孔等特征点进行定位融合，生成燃料组件全景图像，为后续缺陷定位、复核确认和数字化档案管理提供依据。这种方式使外观检查从局部记录升级为全景化、结构化、可追溯的质量数据管理。

下端塞检查是系统研发中的关键难点。由于下端塞位于下管座内部，燃料棒排列密集，检查空间狭窄，而每根燃料棒的下端塞焊缝又必须完整覆盖，避免产生检查死角。为解决这一问题，系统采用多台USB相机对称布置的采集方案，以左下角为原点，每台相机负责一列检测，共设置十九个采集点，并通过左右两侧相机视野互补实现焊缝覆盖。定位相机能够实时检测下管座位置，使检查机构自动跟踪组件位置变化；同时，每个端塞不仅由对应相机拍摄，还可被其他相机从不同角度覆盖，从而提升端塞焊缝检查的完整性和可靠性。

在异常检测算法方面，系统采用传统图像处理与深度学习相结合的方案。针对端塞相机仰视拍摄时焊缝呈月牙形的成像特点，算法先通过固定模板定位技术提取焊缝区域，再利用反射成像区域分割和像素片展开技术，将环形焊缝展开为便于识别的图像矩阵。随后，系统引入无监督异常检测模型，仅依靠正常样本训练即可识别异常情况，较好地解决了工业检测中缺陷样本稀缺、异常类型难以穷尽的问题。根据报告介绍，系统在燃料组件外观图像级识别中的准确率约为95%，端塞焊缝异常检测准确率约为99%，表现出较高的识别精度和鲁棒性。

该系统的创新价值不仅体现在检测自动化和算法智能化上，也体现在数据闭环和持续优化能力上。系统内置增量学习框架，能够随着检测数据不断积累，持续提升对微小缺陷和复杂异常的识别能力，形成由数据采集、模型优化、检测反馈构成的自我完善闭环。与传统人工目视检查相比，该系统实现了从人眼判断到AI诊断、从经验判断到客观量化、从纸质记录到数字化追溯的转变。系统采用国产化设备和技术，检测数据本地化、结构化管理，有助于提升供应链安全和数据安全可控水平。

从应用效益看，新燃料组件智能检查系统能够在燃料组件入堆前发现外观缺陷和下端塞焊缝异常，从源头降低缺陷组件入堆风险，为落实“核燃料零破损”目标提供具体技术支撑。燃料组件问题一旦导致非计划停堆，通常会带来高额经济损失，因此只要系统成功避免一次由燃料组件缺陷引发的非计划停堆，其经济效益就有望覆盖研发成本。同时，系统在运行过程中形成的大量标准化、高质量检测数据，也将成为智慧电厂建设、燃料组件全生命周期管理和数字孪生应用的重要基础。

从更长远的角度看，该系统具备较强的复制推广潜力。其检测流程、数据标准、诊断模型和设备架构，可进一步沉淀为核燃料组件入堆前智能检测的技术范式，并有望推动形成相关行业标准和技术规范。随着检测数据持续积累和模型能力不断迭代，该系统将推动核燃料质量管理从抽检式、经验式、人工式管理，迈向全面覆盖、智能诊断和数字化闭环的新阶段，为智慧电厂建设和核工业智能检修技术发展提供示范。