«Система автоматизированной проверки подлинности сертификатов качества на основе искусственного интеллекта» — Дяо Лун, заместитель главного инженера по гарантии качества строительства компании CGN Huizhou Nuclear Power Co., Ltd.

14 ноября 2025 года Дяо Лун, заместитель главного инженера по гарантии качества строительства компании CGN Huizhou Nuclear Power Co., Ltd., выступил на Шэньчжэньской ядерной выставке на презентации «AI+инновационные сценарии применения в ядерной энергетике» с основным докладом «Система автоматизированной проверки подлинности сертификатов качества на основе искусственного интеллекта».

В докладе была представлена система автоматизированной проверки подлинности сертификатов качества на основе искусственного интеллекта, разработанная компанией Huizhou Nuclear Power, предназначенная для решения таких проблем, как низкая эффективность ручной проверки, высокая вероятность ошибок, сложность отслеживания и разнообразие методов фальсификации. Система обеспечивает пакетную, высокоскоростную и отслеживаемую проверку подлинности посредством загрузки сертификатов, распознавания QR-кодов, извлечения веб-данных, сравнения ключевой информации с помощью больших языковых моделей и формирования отчётов, и уже выявила аномалии в нескольких реальных случаях фальсификации. В докладе отмечается, что система позволяет экономить значительное количество человеко-часов, повышает уровень гарантий ядерной безопасности и имеет потенциал для распространения за пределы ядерной энергетики.

Ключевые моменты
1. Тема и структура доклада (00:12)
Тема доклада — система автоматизированной проверки подлинности сертификатов качества на основе искусственного интеллекта, ориентированная в первую очередь на сценарии защиты от фальсификации. Доклад разделён на четыре части: предпосылки проекта, описание системы, демонстрация результатов и ценность и продвижение.

2. Множественные проблемы ручной проверки (00:39)
В настоящее время сертификаты качества проверяются преимущественно вручную, однако ежегодный объём сертификатов в Huizhou Nuclear Power достигает ста тысяч экземпляров. Ручной метод характеризуется низкой эффективностью, высокой вероятностью ошибок из-за большого объёма информации, сложностью отслеживания процесса проверки подрядчиками, а также трудностями защиты от подделок ввиду разнообразия методов фальсификации.

3. Внедрение больших языковых моделей для повышения эффективности защиты от фальсификации (01:17)
После появления технологии больших языковых моделей команда применила её для проверки сертификатов качества на предмет фальсификации с целью повышения способности к распознаванию и сравнению. На ранних этапах в системе использовалась технология OCR, однако результаты были неудовлетворительными; после перехода на большие языковые модели эффективность распознавания значительно повысилась.

4. Процесс проверки в системе (01:28)
Система сначала принимает сертификаты и единообразно преобразует их в графический формат, затем с помощью малой модели искусственного интеллекта распознаёт QR-коды различных размеров, после чего выполняет извлечение веб-информации. Ключевым этапом является использование большой языковой модели для извлечения информации с официальных сайтов и ключевых данных из локальных сертификатов с последующим попарным сравнением таких элементов, как номера, организации, даты, для определения их соответствия.

5. Функции отчёта о проверке и формирования реестра (02:26)
Система формирует отчёт о проверке, отображающий достоверность сертификатов, веб-адресов и QR-кодов, а также представляет локальные сертификаты, информацию с официальных сайтов и результаты сравнения с помощью искусственного интеллекта в параллельном виде. Система также включает функцию формирования реестра, позволяющую автоматически создавать таблицы Excel с информацией из сертификатов, что сокращает ручной ввод данных и обеспечивает удобство хранения.

6. Низкозатратная самостоятельная разработка и непрерывная итерация (03:15)
Разработка системы началась в 2024 году, в 2025 году после перехода на технологию больших языковых моделей эффективность повысилась, а в апреле был подан патент на соответствующее изобретение. Система разработана самостоятельно сотрудниками, непосредственно занимающимися вопросами защиты от фальсификации, при минимальных финансовых затратах, и в настоящее время продолжает непрерывно совершенствоваться.

7. Демонстрация скорости пакетной проверки (03:58)
В ходе демонстрации после загрузки сертификатов от двадцати организаций система в фоновом режиме автоматически выполнила преобразование изображений, распознавание QR-кодов, извлечение веб-информации и проверку с помощью искусственного интеллекта. Поскольку скорость ответа серверов различных сертификатов отличается, общее время выполнения может варьироваться, однако в ходе демонстрации проверка более двадцати сертификатов была завершена менее чем за минуту, с возможностью единообразного скачивания изображений и текстовых отчётов.

8. Результаты тестирования на поддельных сертификатах (05:24)
Команда провела тестирование с использованием сертификата качества на арматурную продукцию с изменённой информацией о весе: на официальном сайте указано двадцать шесть тонн, а в локальном сертификате вес был изменён на двадцать восемь тонн. Система после загрузки быстро определила сертификат как вызывающий сомнения, и даже при мелком шрифте смогла выявить аномалию благодаря алгоритмической оптимизации.

9. Выявление реальных случаев фальсификации (05:53)
При проверке табличек на арматуре на площадке система обнаружила, что QR-код отсутствует в белом списке, и идентифицировала его как поддельный; в другом случае с сертификатом на арматурную продукцию на официальном сайте не было найдено соответствующей информации; при тестировании на внешнем объекте также был выявлен поддельный официальный сайт, отсутствующий в белом списке; в случае с изменением даты на сертификате о поверке система быстро выявила аномалию и выделила её красным шрифтом.

10. Оценка коллег и эксплуатационные характеристики (07:14)
Система получила признание коллег в ходе оценки на совещании группы компаний, получив высокие оценки по таким параметрам, как область применения, скорость проверки, принцип проверки, точность и степень замещения ручного труда. В докладе отмечается, что скорость проверки системы может достигать тысячи сертификатов в час, а при благоприятных условиях — четырёх-пяти тысяч, при этом точность проверки сертификатов стандартного формата по результатам тестирования превышает девяносто девять процентов.

11. Ценность и перспективы продвижения (07:51)
Система получила признание Китайской ассоциации ядерной энергетики как образцовая практика, а также удостоена наград за инновационные достижения на уровне города и внутри компании. Что касается экономической эффективности, по оценкам, система позволяет экономить около десяти тысяч человеко-часов ежегодно, а главное — снижать риски простоев и угрозы безопасности, вызванные фальсификацией; что касается социальной значимости, в докладе отмечается, что это один из первых в Китае успешных примеров применения искусственного интеллекта для защиты от фальсификации. Система в настоящее время предоставляется бесплатно и может использоваться не только в ядерной энергетике, но и в таких отраслях, как строительство, химическая промышленность и горнодобывающая отрасль.

Хронология
00:07 - Докладчик открывает выступление, представляет свою организацию, тему доклада и общую структуру презентации.
00:39 - Описание реальных предпосылок защиты сертификатов качества от фальсификации, а также недостатков ручной проверки в отношении эффективности, точности, отслеживаемости и защиты от подделок.
01:28 - Переход к описанию системного решения: последовательное рассмотрение функций приёма сертификатов, преобразования форматов, распознавания QR-кодов, извлечения веб-данных, сравнения с помощью больших языковых моделей, формирования отчётов и экспорта реестров.
03:15 - Обзор процесса разработки системы с 2024 года, перехода от OCR к большим языковым моделям, подачи патентной заявки и низкозатратной самостоятельной разработки сотрудниками, работающими на передовой.
03:50 - Демонстрация фактической работы системы, включая пакетную загрузку, синхронную проверку нескольких сертификатов, возврат результатов и скачивание отчётов.
05:24 - Демонстрация способности системы выявлять вызывающие сомнения сертификаты, поддельные QR-коды, отсутствие информации на официальных сайтах и изменение дат на примере тестового сертификата с изменённым весом и нескольких реальных или внешних случаев.
07:14 - Представление результатов оценки системы, скорости проверки, точности, полученных наград, экономической эффективности, социальной значимости и потенциала межотраслевого распространения.
09:03 - Завершение доклада и выражение благодарности присутствующим гостям.

Дополнительное чтение по теме ИИ (текст ниже сгенерирован ИИ, возможны отклонения, просьба относиться критически):

Практика и ценность применения искусственного интеллекта для проверки подлинности сертификатов качества в ядерной энергетике

14 ноября 2025 года Дяо Лун, заместитель главного инженера по гарантии качества строительства компании CGN Huizhou Nuclear Power Co., Ltd., выступил на Шэньчжэньской ядерной выставке на презентации «AI+инновационные сценарии применения в ядерной энергетике» с основным докладом «Система автоматизированной проверки подлинности сертификатов качества на основе искусственного интеллекта», представив интеллектуальные разработки компании Huizhou Nuclear Power в области защиты сертификатов качества строительства от фальсификации. Предпосылкой создания системы послужила острая потребность в достоверности сертификатов качества в таких отраслях с высокими требованиями безопасности, как ядерная энергетика. В связи с участившимися случаями фальсификации сертификатов в Китае традиционный метод ручной проверки постепенно выявил такие недостатки, как низкая эффективность, высокая вероятность ошибок, сложность отслеживания и недостаточная защита от подделок. Ежегодно в Huizhou Nuclear Power формируется около ста тысяч сертификатов, и ручная проверка каждого из них не только требует огромного объёма работы, но и при сложных форматах, большом количестве полей и разнообразных методах фальсификации может приводить к пропускам или ошибочным заключениям; кроме того, если подрядчик заявляет о завершении проверки, но при этом обнаруживается поддельный сертификат, это затрудняет определение ответственности.

Проект прошёл путь технологической трансформации от оптического распознавания символов к большим языковым моделям искусственного интеллекта. На ранних этапах в системе использовалась технология OCR для распознавания содержимого сертификатов, однако её эффективность была ограниченной при работе со сложными макетами, мелким шрифтом, множеством полей и нестандартными форматами. После дальнейшего созревания технологии больших языковых моделей в 2025 году исследовательская группа перешла к использованию больших языковых моделей для извлечения ключевой информации и семантического сравнения, а также продолжила итеративное совершенствование с учётом практического опыта сотрудников, работающих в сфере защиты от фальсификации. Проект разрабатывался самостоятельно сотрудниками на местах при минимальных финансовых затратах, однако благодаря непрерывной оптимизации процессов распознавания, извлечения, сравнения и формирования отчётов постепенно сформировалась применимая на практике система автоматизированной проверки подлинности сертификатов качества.

Основной процесс системы начинается с онлайн-приёма сертификатов. После загрузки файлов сертификатов из различных источников и в различных форматах система единообразно преобразует их в графический формат, что создаёт основу для последующего распознавания и сравнения. Для решения проблем, связанных с QR-кодами различных размеров, разной чёткости и разнообразным содержимым, система использует малую модель искусственного интеллекта для точного распознавания веб-адресов, текста и другой информации в QR-кодах. Затем система извлекает информацию с официальных сайтов по QR-кодам или соответствующим ссылкам, а благодаря значительной оптимизации логики извлечения веб-данных повышает точность и стабильность извлечения, избегая влияния различий в структуре веб-страниц и изменений путей доступа на результаты проверки.

На этапе определения подлинности система с помощью больших языковых моделей извлекает ключевые поля как из локальных сертификатов, так и из содержимого, полученного с официальных сайтов, а затем выполняет сравнение по нескольким параметрам, включая номер сертификата, наименование организации, дату, информацию о продукции, вес и другие. В отличие от традиционного механического сопоставления полей, данная система поддерживает определённую степень нечёткого сравнения и интеллектуального анализа, позволяя выявлять различия в форматах, формулировках и предполагаемые изменения информации, а также формировать заключение о соответствии полей. После завершения проверки система автоматически формирует отчёт о проверке подлинности сертификата, в котором в концентрированном виде представлены локальный сертификат, информация с официального сайта и результаты сравнения с помощью искусственного интеллекта, с чётким указанием на достоверность или наличие сомнений в отношении QR-кода, веб-адреса и содержимого сертификата.

Помимо проверки подлинности, система также обладает функцией автоматического формирования реестров. Ключевая информация из сертификатов может быть автоматически систематизирована в электронные таблицы, что сокращает объём повторного ручного ввода и ручного ведения реестров как для подрядчиков, так и для сотрудников. Система поддерживает использование через веб-интерфейс, а также загрузку файлов с компьютера и мобильного телефона; интерфейс отличается простотой, что обеспечивает удобство быстрой работы для персонала непосредственно на строительных площадках. Такая многоканальная доступность повышает применимость системы, позволяя проводить проверку сертификатов не только в офисных условиях, но и непосредственно на строительных площадках, при приёмке материалов и на этапах контроля качества.

Судя по продемонстрированным результатам, система обладает высокой способностью к пакетной проверке. В ходе тестирования исследовательская группа использовала сертификаты от двадцати различных организаций; после загрузки сертификатов система в фоновом режиме автоматически выполнила преобразование изображений, распознавание QR-кодов, извлечение веб-данных и проверку с помощью искусственного интеллекта, при этом несколько сертификатов обрабатывались синхронно. Более двадцати сертификатов были проверены менее чем за минуту; скорость обработки системы может достигать тысячи сертификатов в час, а при дальнейшей оптимизации — четырёх-пяти тысяч в час. Результаты проверки поддерживают единообразное скачивание, включая изображения сертификатов, текстовые отчёты, время проверки и заключения о сравнении, что удобно для последующего архивирования, аудита и отслеживания ответственности.

В ходе тестирования на поддельных сертификатах система продемонстрировала высокую способность к распознаванию. На примере сертификата качества на арматурную продукцию: тестировщики изменили вес, указанный на официальном сайте (двадцать шесть тонн), на двадцать восемь тонн в локальном сертификате; система выявила несоответствие информации о весе в результате сравнения полей и определила сертификат как «вызывающий сомнения». Этот пример показывает, что система способна не только определять наличие записи о сертификате на официальном сайте, но и выявлять тонкие различия между содержимым сертификата и официальной информацией, обнаруживая проблемы, которые могут быть упущены при визуальной проверке человеком.

В докладе также представлены несколько подтверждённых практических примеров. На одной из строительных площадок таблички на арматуре ранее прошли проверку подрядчика, однако система при пакетной проверке от нескольких сотен до тысячи табличек выявила аномалии. Хотя визуально информация на табличках выглядела одинаковой, QR-код отсутствовал в белом списке и был идентифицирован как поддельный. В другом случае с сертификатом на арматурную продукцию сертификат, прошедший проверку подрядчика, после повторной проверки системой оказался не имеющим соответствующей информации на официальном сайте, что выявило пробелы в ручной проверке. Случай, связанный с Фанчэнганом, показал, что фальсификаторы даже создали высокореалистичный поддельный официальный сайт, однако система выявила аномалию веб-адреса с помощью механизма белого списка, что свидетельствует о том, что система уделяет внимание не только содержимому сертификата, но и достоверности источника информации. В случае с изменением даты на сертификате о поверке на базе в Ниндэ поставщик изменил 2022 год на 2023 год, чтобы избежать проблем с истечением срока действия или непроведением поверки; система быстро выявила несоответствие дат и выделила его красным шрифтом, что повысило наглядность выявления проблемы.

С технической точки зрения система использует комбинацию «малая модель + большая модель»: малая модель применяется для точного распознавания QR-кодов и других конкретных объектов, а большая модель отвечает за семантическое извлечение, распознавание множества полей и интеллектуальное сравнение сложных сертификатов. Система также использует различные алгоритмы для оптимизации процессов обработки изображений, извлечения веб-данных и сопоставления полей, а также задействует несколько интеллектуальных агентов для синхронного выполнения задач, что повышает общую эффективность проверки. В сценариях с сертификатами стандартного формата точность проверки системы превышает девяносто девять процентов, при этом она обладает высокой способностью к распознаванию мелкого шрифта, сложных полей и изменённой информации. На совещании по оценке в рамках группы компаний система получила высокие оценки по таким параметрам, как область проверки, скорость проверки, принцип проверки, точность и степень замещения ручного труда.

Ценность системы прежде всего проявляется в обеспечении безопасности. Ядерная энергетика предъявляет чрезвычайно высокие требования к достоверности документов о качестве; попадание поддельного сертификата на строительную площадку может привести к потере контроля над качеством материалов, искажению информации о состоянии оборудования, остановке работ для устранения недостатков и даже угрозе ядерной безопасности. Благодаря автоматизированной проверке с помощью искусственного интеллекта система позволяет своевременно выявлять аномалии при поступлении сертификатов на площадку и в процессе их обращения, снижая риск проникновения поддельных сертификатов в цепочку ядерной энергетики; её основная цель — служить ядерной безопасности. Что касается экономической ценности, система, по оценкам, позволяет экономить около десяти тысяч человеко-часов ежегодно, сокращая ручной ввод данных, ручное сравнение и повторные проверки, а также способствует предотвращению переделок, простоев и потенциальных экономических потерь, вызванных поддельными сертификатами.

С точки зрения отраслевого демонстрационного значения, данный проект считается одним из первых в Китае успешных примеров применения искусственного интеллекта для защиты сертификатов от фальсификации. Он получил признание Китайской ассоциации ядерной энергетики как образцовая практика, а также был отмечен наградами за инновационные достижения на уровне города и внутри компании. В настоящее время система уже привлекла внимание и используется рядом организаций как внутри, так и за пределами CGN Group, и обладает потенциалом для распространения в таких отраслях, как ядерная энергетика, строительство, химическая промышленность и горнодобывающая отрасль. Поскольку сертификаты качества, отчёты об испытаниях и документы о соответствии продукции широко распространены во многих отраслях с высоким уровнем риска, интеллектуальная проверка подлинности сертификатов обладает высокой универсальностью. Система в настоящее время предоставляется бесплатно, что также облегчает проведение пробных испытаний, валидации и повторного продвижения для большего числа организаций.