Неразрушающий контроль с поддержкой ИИ для умного производства углеродно-негативного композитного грунта, связанного биополимерами

Более разумные строительные блоки для мира, который нагревается

На здания приходится значительная доля мировых выбросов углерода, главным образом из‑за цементного бетона. В этом исследовании рассматривается совсем иной тип строительного блока: кирпичи из грунта, скреплённого природными полимерами, которые фактически могут хранить больше углерода, чем выделяют. Авторы показывают, как искусственный интеллект и простые вибрационные тесты способны обнаруживать скрытые дефекты в таких «зелёных» кирпичах ещё в мягком состоянии, а также отслеживать их сушку и затвердевание — прокладывая путь к более безопасному, менее расточительному и более климатически дружелюбному строительству.

Кирпичи из природы, а не из цемента

Материал, лежащий в основе работы, называется композитным грунтом, связанным биополимерами. Вместо цемента он использует полимеры, полученные из биологических источников, например белков, чтобы склеивать зерна песка. После высыхания такие кирпичи могут иметь прочность, сравнимую с бетоном, но при этом обладать отрицательным углеродным следом, поскольку запирают углерод, который в противном случае вернулся бы в атмосферу. Чтобы такие материалы вышли из лаборатории в повседневное производство, производителям нужны надёжные способы гарантировать, что каждый кирпич прочен, однороден и не содержит опасных дефектов. Традиционные методы контроля качества для бетона и других строительных материалов зачастую медленные, разрушающие или работают только после полного затвердевания материала, когда исправить проблемы без потерь уже невозможно.

Слушая вибрации вместо того, чтобы разбивать кирпичи

Команда разработала систему неразрушающего контроля, которая «слушает», как свежий, мягкий кирпич вибрирует при лёгком постукивании. В экспериментах они смешивали песок, воду и связующее на основе белка крови, формировали влажный композит, укладывали его в прямоугольные формы и немедленно тестировали. Импульсный молоточек давал короткие удары по поверхности, а небольшой акселерометр на кирпиче регистрировал возникающие волны вибрации. Эти сигналы несут информацию о внутренней структуре материала: однородный кирпич вибрирует иначе, чем тот, который содержит пустоты, плотные включения или внутренние расслоения, имитирующие трещины. Поскольку оборудование простое и готовое к использованию, датчик можно быстро перемещать с одного изделия на другое, подобно тому как врач использует стетоскоп.

Обучение ИИ обнаруживать скрытые дефекты

Чтобы интерпретировать сложные вибрационные паттерны, исследователи создали две семейства моделей ИИ, прозванные Mini-ft и Mega-ft. Обе начинают с разбиения непрерывных данных сенсора на короткие фрагменты, каждый из которых содержит отклик на один удар молотка. Mini-ft фокусируется на 171 ключевой точке в каждом фрагменте и сжимает эту информацию до всего двух признаков, которые отражают, как сигнал нарастает и затухает. Затем простая методика ближайших соседей решает, нормальный образец или дефектный, а статистическая модель оценивает, сколько влаги потерял кирпич при сушке. Mega-ft применяет более мощный подход: она использует тысячи случайно сформированных фильтров к каждому фрагменту, создавая богатое описание вибрации из 20 000 признаков. Быстрый линейный классификатор затем использует этот детализированный отпечаток для распознавания не только наличия дефекта, но и его типа.

Насколько хорошо работает система?

Команда проверила подход на двадцати лабораторных кирпичах, включая одиннадцать без дефектов и восемь с тщательно встроенными нарушениями. В одних были стальные вставки, имитирующие необычно плотные участки; в других скрывались полые пластиковые формы, имитирующие пустоты; ещё в некоторых стояли тонкие пластиковые листы, заменяющие внутренние трещины различного размера. Используя более простую модель Mini-ft, система правильно отличала дефектные от нормальных кирпичей примерно в 96% случаев и могла различать девять классов — один нормальный плюс восемь типов дефектов — с точностью около 82%. Более детализированная модель Mega-ft подняла эти показатели ещё выше: примерно до 99% для базового обнаружения дефектов и до 97% для различения типов дефектов. ИИ также мог оценивать степень высыхания кирпича, а значит, и набранную им прочность, с ошибкой всего в несколько процентов, что делает систему полезной для отслеживания процесса затвердевания во времени.

От пилотного исследования к реальному строительству

Хотя работа выполнена на образцах размером с кирпич и с преднамеренно преувеличенными дефектами, результаты указывают на практический инструмент для заводского контроля новых углеродно-негативных строительных материалов. Поскольку метод работает, пока материал ещё влажный, бракованные партии можно обнаружить на ранней стадии и переработать смесь вместо того, чтобы выбрасывать, что снижает и отходы, и затраты. Та же вибрационная система с ИИ может быть адаптирована к разным рецептурам смесей, температурам и формам продукции — от небольших кирпичей до крупных конструктивных элементов или даже 3D-печатных форм. Проще говоря, исследование показывает, что постукивая и «слушая» с помощью ИИ, производители могут гарантировать, что природные кирпичи будут и экологичными, и надёжными, помогая масштабировать устойчивое строительство без потери безопасности.

Цитирование: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

Ключевые слова: композитный грунт, связанный биополимерами, неразрушающий контроль, вибрационная съёмка, контроль качества с помощью ИИ, устойчивое строительство