城乡统筹发展网讯 近年来，AI 驱动的承压设备射线检测缺陷自动识别系统，凭借高效、稳定的优势，逐渐成为人工评片的重要补充，但行业长期面临“无统一评价标准”的困境 —— 不同系统的识别精度、可靠性缺乏客观衡量依据，缺陷判定逻辑混乱，部分系统因漏检高危缺陷埋下安全风险。
近日，由北京理工大学重庆创新中心牵头，联合重庆市特种设备检测研究院、重庆大学、理工特智科技（重庆）有限公司、重庆三峰卡万塔环境产业有限公司等10 余家科研机构与龙头企业共同起草的重庆市地方标准《承压设备射线检测缺陷自动识别系统评价方法》（DB50/T 1807-2025，下称“标准”）正式发布。
据介绍，作为重庆乃至全国首个针对承压设备射线检测AI识别系统的专项评价标准，标准出台标志着行业从 “AI 技术零散应用” 向 “标准化、规范化发展” 的关键跨越，为 AI 检测技术的安全落地提供了核心依据。
明月湖一角
为何要制定这份标准？破解行业 3 大核心痛点
承压设备是工业生产与民生保障的 “生命线”，其焊接接头的缺陷检测，如裂纹、未熔合、未焊透等，直接关系到设备安全运行。近年来，AI缺陷自动识别系统因效率高、重复性好，逐渐替代部分人工评片，但行业长期面临 “无标可依” 的困境：
选型难：不同厂商系统的识别精度、可靠性差异大，企业缺乏客观对比依据；
评价乱：缺陷 “正检 / 误检 / 漏检” 的判定标准不统一，部分系统因漏检高危缺陷埋下安全隐患；
落地难：系统更新后性能是否达标、如何与人工复核衔接，缺乏明确技术规范。
上述标准出台，将有效填补“无标可依”的空白，为 AI 检测系统建立 “统一考卷”，让技术应用有章可循、安全可控。
标准 “管什么”？精准覆盖核心应用场景
无论是 X 射线底片的 AI 识别，还是 γ 射线、1Mev 以上 X 射线检测图像的参照评价，标准都给出了清晰的适用边界：
核心对象，承压设备金属熔化焊焊接接头的射线检测缺陷自动识别系统（含辅助评片 AssistDR、自动评片 AutoDR）；
关键环节，从系统的功能要求（如缺陷定性定量、图像操作、报告输出）、运行环境（云端 / 本地部署、硬件配置），到测试流程、指标计算、风险分析，全链条覆盖；
特殊场景，兼顾双面焊、单面焊等不同焊缝形式，重点关注裂纹、未熔合、未焊透等高危缺陷，同时规范圆形缺陷、条形缺陷等一般缺陷的评价。
标准 “怎么评”？3大核心维度筑牢质量防线
标准的核心价值，在于建立了科学、可落地的评价体系，关键体现在三个方面：
——严抓 “人 + 数据” 双基础人员资质。评价人员需持 RT (D) II 级及以上证书，标注人员需持 RT -II 级及以上证书，确保 “评卷人” 专业可靠；标准测试集：缺陷总数不少于 500 个，无缺陷底片数量与缺陷底片一致，且测试集与系统训练集完全互斥（避免 “作弊”），同时需做数据脱敏保护企业隐私。
——明确 “4 类偏差 + 多维度指标”。通过 “交并比（IOU）” 等技术指标，精准判定系统识别结果与真实缺陷的偏差：正检（IOU≥0.1 且类型正确）、误检（IOU≥0.1 但类型错误）、漏检（IOU<0.1）、误报（无缺陷误判为有缺陷）；从 “单类别精度”（如裂纹正检率）到 “综合精度”（重点关注缺陷识别率、综合正检率），再到 “底片误报率”，多维度量化系统性能。
——系统分级 + 风险预警，兼顾实用与安全。标准推出4级分级体系，根据精度指标将系统分为 L1-L4 级（如 L4 级要求重点关注缺陷识别率 100%、综合正检率≥98%），企业可按需选型。另外，标准明确类风险分级，针对漏检（Ⅰ 类风险：高危缺陷漏检影响合格判定）、误检（Ⅰ 类风险：高危缺陷误判为一般缺陷）、误报（Ⅰ 类风险：误报率过高增加复核成本），明确风险等级与应对方向。
标准落地，将为行业带来什么？
北京理工大学教授、博士生导师、北京理工大学重庆创新中心电弧认知制造技术研究所学术顾问、标准起草人之一、理工特智科技公司董事长于兴华表示，对企业而言，标准就是“选型指南”，不用再凭厂商宣传判断系统好坏，对照标准即可找到适配的 AI 检测工具，降低试错成本；对检测机构而言，标准就是 “作业规范”，系统评价流程、记录模板（附录 A 提供现成表格）一目了然，提升检测效率与公信力；对行业而言，标准就是 “升级引擎”， 以标准倒逼 AI 技术迭代，推动更多高可靠性、高准确性的系统落地，减少因人工评片疲劳导致的漏检风险，守护承压设备安全底线。
于兴华指出，该标准的起草，凝聚了科研机构的技术力量、检测机构的实践经验与企业的应用需求，是 “政产学研用” 协同创新的成果，“期待更多行业伙伴关注标准、应用标准，共同推动承压设备检测从 ‘人工主导’ 向 ‘AI + 人工’的智能化升级，以标准为帆，以技术为桨，共促承压设备检测行业高质量发展”。
文/通讯员 孙建和 记者 亦歌 审核/刘辉
