Un sistema di monitoraggio termico basato su droni e reti neurali profonde è in grado di rilevare anomalie nelle centrali nucleari in tempo reale, senza esporre il personale a zone inaccessibili o ad alta radiazione. Lo ha dimostrato un gruppo di ricerca del Dipartimento di Ingegneria Nucleare dell’Università UNIST di Ulsan, in Corea del Sud, con uno studio pubblicato sul Journal of Nuclear Science and Technology nel luglio 2025.
Il cuore del sistema è l’integrazione tra imaging a infrarossi montato su drone e tecniche di deep learning per la segmentazione e il rilevamento di oggetti. Il drone sorvola i componenti dell’impianto, acquisisce immagini termiche e visibili in simultanea, e un modello di intelligenza artificiale analizza i dati per identificare la posizione e la gravità di eventuali guasti. L’accuratezza di rilevamento supera quella dei metodi di ispezione visiva tradizionali, con il vantaggio di restituire informazioni spaziali in tempo reale su componenti distribuiti in aree vaste e fisicamente complesse.
Il problema che questo approccio vuole risolvere è concreto. Le centrali nucleari ospitano zone dove l’accesso umano diretto è limitato o del tutto impraticabile a causa dell’irraggiamento. I metodi convenzionali di ispezione — sensori fissi, ispezioni manuali a cadenza programmata — non offrono copertura continua né la capacità di localizzare un’anomalia con precisione geometrica. Il sistema sviluppato da UNIST lavora invece in modo regionale: non misura un punto, mappa un’area intera, con indicazioni precise su dove si trova il problema e quanto è esteso.
I ricercatori hanno addestrato il modello su immagini termiche acquisite in diverse condizioni operative e scenari di guasto simulati, usando una facility di test idraulico integrale in scala ridotta. Le reti neurali convoluzionali hanno imparato a distinguere variazioni termiche normali da anomalie rilevanti, anche nei casi in cui la differenza di temperatura è minima e difficilmente percettibile a occhio umano. Anomalie operative significative che producono variazioni termiche di pochi gradi vengono identificate correttamente, un risultato che le tecniche di analisi manuale tradizionale non riescono a garantire con la stessa affidabilità.
Le implicazioni operative sono dirette. Un sistema di questo tipo può ridurre i tempi di fermo impianto, perché consente di intervenire prima che un guasto minore diventi critico. Può anche abbassare il numero di ispezioni manuali in zone rischiose, con un effetto immediato sulla dose di radiazione assorbita dai lavoratori nel corso della loro carriera. Non è un tema secondario: nelle centrali nucleari la gestione delle dosi cumulative del personale tecnico è un vincolo operativo permanente.
Il passo successivo è la validazione su impianti reali in scala piena. I test finora documentati riguardano una facility sperimentale in scala ridotta, e il passaggio a un reattore commerciale introduce variabili ambientali — vibrazioni, interferenze elettromagnetiche, geometrie più complesse — che il sistema dovrà dimostrare di saper gestire. Se la tecnologia supererà quella fase, droni e intelligenza artificiale potrebbero diventare parte integrante dei protocolli di manutenzione predittiva nelle centrali di nuova generazione, compresi i reattori modulari oggi in fase di sviluppo in tutto il mondo.
