美国橡树岭国家实验室开发了一种基于人工智能的检测系统，该系统利用机器学习算法快速重建和分析CT图像，将核设备3D打印零件的检测时间缩短了85%。该系统在爱达荷国家实验室的实际应用中表现出色，仅用不到5个小时就完成了30多个样品的分析，而传统方法检测一个样品需要30多个小时。这项技术不仅大幅降低了检测成本和时间，还减少了扫描次数，为核设备零件的检测带来了革命性的变化，并有望推动先进材料和制造技术的商业化进程，为核能领域发展注入新的活力。

🤔**人工智能检测系统显著提升检测效率:** 该系统深度融合了先进的机器学习算法，能够快速重建并分析CT图像，将检测时间缩短了85%，大幅提高了检测效率。

⏱️**大幅缩短检测时间，提高检测速度:** 在实际应用中，该系统仅用不到5个小时就完成了30多个3D打印样品的检测，而传统方法单次扫描需要30多个小时，极大地提升了检测速度。

💰**降低检测成本，减少扫描次数:** 该系统显著减少了检测所需的扫描次数，从而大幅降低了检测成本，提高了检测效率。

💡**推动先进材料和制造技术商业化:** 这项突破性技术得到了美国能源部支持，预示着它将有力推动先进材料和制造技术的商业化进程，为核能领域发展注入新的活力。

快科技11月7日消息，据报道，美国橡树岭国家实验室（ORNL）在核设备3D打印零件检测领域取得了里程碑式的进展，其最新研发的人工智能检测系统成功将检测时间缩短了惊人的85%。

该系统深度融合了先进的机器学习算法，能够迅速且精准地重建并分析计算机断层扫描（CT）图像，极大地提升了检测效率。

这一创新不仅大幅削减了检测成本，还将检测时间大幅压缩，同时显著减少了所需的扫描次数，为核设备零件的检测工作带来了革命性的改变。

在爱达荷国家实验室（INL）的实际应用中，该系统的表现尤为出色。仅需不到5个小时，它便能完成对30多个3D打印样品的全面分析，而传统的检测方法完成单次扫描就需要耗费30多个小时。这一对比充分展示了该系统在提升检测速度方面的巨大优势。

目前，橡树岭国家实验室正全力推进该系统的优化工作，旨在进一步提升其在放射性材料和核燃料检测方面的应用效能。

这项突破性技术得到了美国能源部先进材料和制造技术（AMMT）计划的有力支持，预示着它将有力推动先进材料和制造技术的商业化进程，为核能领域的发展注入新的活力。