蔡承洋、何明原、孫元亨、黃挺瑋 / 工研院材化所
石化設備外部腐蝕檢查為石化廠維護保養設備之重要工作之一,如何早期發現腐蝕熱點並儘早維護,為降低石化廠工安意外風險之重要關鍵。近年來隨著無人載具、人工智慧應用風潮盛行,此等智慧型技術導入是否可有效補足人力檢查之不足亦受到矚目。本文首先簡介石化設備外部常見腐蝕問題與機制,爾後回顧近年來國際間運用無人機及人工智慧於石化設備腐蝕檢查之發展現況、應用潛力及技術瓶頸。
【內文精選】
石化設備外部腐蝕問題
國內石化廠多數座落於沿海嚴苛腐蝕環境區域,防蝕工法主要為施作防蝕塗裝。然而,塗裝暴露於紫外光下會逐漸劣化導致鋼材銹蝕,再加上石化設備組件多元,例如:管線、儲槽、法蘭、螺栓、管支撐、保溫材等,故腐蝕型態機制十分複雜。
無人機巡檢技術
石化高處設備或管線若巡檢員不易到達,通常需利用搭架或高空車進行檢查,然而搭架費用高昂且耗時耗力,故近年來國外石化業者開始嘗試利用無人機(Drone)巡檢取代傳統搭架或高空車檢查作業。根據相關文獻報導,使用無人機搭載可見光相機、紅外線熱影像儀(Thermal IR)對石化儲槽或管線進行遠距離外部影像檢查(劣化缺陷、洩漏),於國外已有石化廠應用實績(如:BP、Shell、Dow、AT&T、BASF)。無人機外部裝設防護網並搭載可見光相機於侷限空間(Confined Space)進行設備或管路內部影像檢查,亦有相關業者可提供服務,國外數家檢測公司(TEXO、DNVGL、ELIOS)已擁有此技術,然於石化廠應用實績尚不明確。有別於前述應用情境皆屬遠距離非接觸式檢查模式,接觸式無人機進行超音波檢測、爬行式無人機(搭載可見光相機)及搭載非可見光感測器之無人機(搭載LiDAR、多光譜儀)皆屬國外少數廠商發展中,且已有研究文獻報導其可行性之技術。
利用無人機進行遠距離影像拍攝為目前最常運行之飛行模式,然而此等非接觸式檢查之模式應用於石化設備僅能進行目視檢查,許多設備劣化問題需利用其他非破壞檢測技術,如:超音波檢測殘餘壁厚、渦電流探測內部劣紋等,此等檢測技術皆須將探頭與設備接觸方能取得檢測數據。接觸式無人機技術近年開始有業者發表相關可行性研究成果。Amerapex公司所開發之Wall-sticking接觸式無人機超音波檢測技術(圖七),主要應用於石化桶槽之壁厚量測。煉油廠(Refinery)/石化廠(Petrochemical Plant)內之石化設備(桶槽)必須定期檢測/維護以維持結構完整性,常用之檢測方法為檢測人員以吊車、搭架、繩索等方式到達高處進行檢測作業,但有耗費人力、危險性高、成本高等問題。這項研究開發一搭載超音波測厚探頭之無人機,可對桶槽進行接觸式壁厚量測如圖七。
圖七、接觸式無人機進行桶槽壁厚量測技術
人工智慧輔助腐蝕影像辨識
近年來AI輔助影像辨識在各領域應用掀起風潮,特別是在醫療影像、臉部辨識及產線AOI瑕疵檢測,皆有相當成功的應用案例。亦有數篇研究報導利用AI進行金屬結構物腐蝕區之辨識應用,以下針對相關成果進行介紹。
Nguyen, T.等人展示了以每秒12幀的速度對分辨率為1,024 × 1,280像素的巡檢影片進行Semantic Segmentation,並用於管道塗裝劣化及腐蝕檢查(圖十二)。該模型經訓練可以用於分割壓力管道表面塗層劣化、腐蝕等缺陷,由於訓練資料集之照片數量僅40張,故針對損失函數進行加權以提高較不常見的表面缺陷辨識率。該技術獲得了0.52的F1-score,儘管所達到的效能低於人的辨識水準,但隨著數據集的增量,辨識率有望獲得提升。
圖十二、人工智慧輔助管道塗裝劣化及腐蝕檢查
國內外石化廠利用人工智慧輔助腐蝕檢查現況
根據前述研究報導,在人工智慧輔助下雖可獲得初步可行之腐蝕影像分割效果,然而,目前將人工智慧導入石化廠設備腐蝕巡檢工作之實際案例仍屬鮮少,主因條列如下:
① 石化設備Layout複雜,現場環境明暗度、光影或背景皆會影響模型實測辨識率。
② AI模型對於對比較強之缺陷(如:腐蝕)辨識率高,然而對於塗裝早期劣化缺陷(如:起泡、龜裂等)辨識率仍不足,難以早期預警塗裝失效。
③ 石化設備腐蝕熱點複雜多元,目前國際間尚無通用之已標記腐蝕影像資料庫可供模型訓練運用。AI模型訓練用之影像多數來自於各廠現場拍攝,影像變異性高,如:每張影像解析度、相機參數等皆會影響辨識率 ---以上為部分節錄資料,完整內容請見下方附檔。
★本文節錄自《工業材料雜誌》434期,更多資料請見下方附檔。