用于碳负生物聚合物结合土壤复合材料智能制造的 AI 驱动无损检测

为变暖的世界打造更聪明的建筑构件

建筑物占全球碳排放的大头，这在很大程度上归因于基于水泥的混凝土。本研究探索了另一类截然不同的构件：由天然聚合物将土壤颗粒粘结成型的砖块，这类材料实际上可以储存比排放更多的碳。研究人员展示了如何利用人工智能和简单的振动测试在这些“绿色”砖块仍然是湿软状态时发现隐藏缺陷，并且跟踪其干燥与硬化过程——为更安全、更少浪费且更有利于气候的建筑铺路。

来自自然而非水泥的砖块

这项工作的核心材料称为生物聚合物结合土壤复合材料。它不是使用水泥，而是用来源于生物的聚合物（例如蛋白质）把砂粒黏合在一起。干燥后，这些砖块可以与混凝土一样坚固，且具有负碳足迹，因为它们封存了本会返回大气的碳。若要将此类材料从实验室推广到日常应用，制造商需要可靠的方法来保证每块砖的强度、均匀性以及没有危险缺陷。传统用于混凝土和其他建筑材料的质量检测通常速度慢、会破坏样品，或仅在材料完全硬化后才可进行，而那时若发现问题就太迟了，只能浪费材料去修正。

用“听”振动代替砸碎砖块

团队开发了一套无损检测系统，通过“听”一块新鲜湿软的砖被轻击时的振动来判断状况。在实验中，他们将砂、 水和一种血液蛋白粘合剂混合成湿复合材料，装入矩形模具，并立即进行测试。冲击锤对表面进行快速敲击，而放在砖上的小加速度计记录产生的振动波。这些信号携带关于材料内部结构的信息：平滑均匀的砖与存在空洞、致密夹层或模拟裂缝的内部分离体的振动特征不同。由于硬件简单且可购得，传感器可以像医生使用听诊器一样在不同砖块间快速移动。

教 AI 识别隐藏缺陷

为了解读复杂的振动模式，研究人员构建了两类 AI 模型，分别命名为 Mini-ft 和 Mega-ft。两者都先把连续的传感器数据切成短片段，每段包含对一次锤击的响应。Mini-ft 关注每段中的 171 个关键点，并将这些信息压缩为仅两个特征，捕捉信号的上升与衰减特性。随后它使用简单的最近邻方法判断样本是正常还是有缺陷，并用统计模型估计在干燥过程中失去的水分。Mega-ft 则采用更强大的方法：对每段应用数千个随机形状的滤波器，生成约 2 万个特征的丰富描述。一个快速的线性分类器利用这一高细节指纹，不仅识别砖块是否有缺陷，还能判断缺陷的类型。

系统表现如何？

团队在二十块实验室制作的砖上测试了该方法，其中包括十一块无缺陷样本和八块有意嵌入缺陷的样本。有些样本包含钢件以模拟异常致密区域；有些藏有空心塑料以模拟空洞；还有些放置了薄塑料片以代替不同尺寸的内部裂缝。使用较为简洁的 Mini-ft 模型时，系统在识别有缺陷与正常砖块方面的准确率约为 96%，并能在九个类别（一个正常类加八种缺陷类型）间进行区分，准确率约为 82%。更详尽的 Mega-ft 模型将这些数字进一步提升，基础缺陷检测约为 99%，区分缺陷类型约为 97%。该 AI 还可以估计砖块的干燥程度，从而推断其获得的强度，误差仅为几个百分点，使其可用于跟踪随时间变化的硬化过程。

从试点研究走向实际施工

尽管这项工作在砖块尺寸的样本上进行，且故意放大了缺陷，研究结果仍指向一种可在工厂车间使用的实用工具，用于管理新型碳负建筑材料。由于该方法在材料仍然湿润时即可工作，瑕疵批次可以早期被发现并回收再利用，而不是被丢弃，进而减少浪费和成本。相同的振动与 AI 系统可以适配不同的配方、温度和产品形状，从小砖块到更大的结构构件，甚至 3D 打印形状。简言之，研究表明通过敲击并借助 AI“倾听”，制造商可以确保基于天然材料的砖块既环保又可靠，推动可持续建筑在不牺牲安全性的前提下规模化发展。

引用: 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

关键词: 生物聚合物结合土壤复合材料, 无损检测, 振动传感, AI 质量控制, 可持续建筑