Пористость керамического черепка занимает центральное место среди структурных параметров, определяющих качество керамического кирпича. Она отражает не только долю пор в объёме материала, но и характер порового пространства: размерный состав, форму, степень открытости и связанность пор. Через эти особенности пористой структуры формируется поведение кирпича в эксплуатации, поэтому именно пористость удобно использовать в качестве «ядра» для анализа и прогнозирования его свойств [1].

Одно из первых свойств, которое напрямую связано с пористостью, — водопоглощение. Чем больше в материале открытых и доступных для воды пор, тем выше объём влаги, который может проникнуть в черепок. При избыточном водопоглощении возрастает вероятность увлажнения стен, развития дефектов облицовки, появления высолов и снижения долговечности конструкций. В то же время слишком низкая пористость, хотя и уменьшает водопоглощение, приводит к увеличению плотности материала и, как правило, к росту теплопроводности.

Не менее значимой является связь пористости с морозостойкостью. Вода, находящаяся в порах, при переходе в лёд увеличивается в объёме и создаёт напряжения в керамической матрице. Если поровая структура сформирована неблагоприятно (преобладание мелких капиллярных пор, отсутствие «резервного» пространства), циклы замораживания и оттаивания вызывают накопление микротрещин и ускоренное разрушение кирпича. При рациональном соотношении размеров и объёма пор часть пространства может выполнять роль компенсационного объёма, что способствует повышению морозостойкости при сопоставимой общей пористости.

Теплотехническое поведение кирпича также определяется его поровой структурой. Воздух в порах проводит тепло значительно хуже, чем керамическая основа, поэтому увеличение пористости в разумных пределах приводит к снижению коэффициента теплопроводности и улучшению теплоизоляционных характеристик ограждающих конструкций. Таким образом, при проектировании и контроле качества приходится искать компромисс: обеспечить достаточную пористость для приемлемой теплопроводности, но не допустить её уровня и структуры, которые приведут к недопустимому росту водопоглощения и потере морозостойкости [2].

Учитывая ключевую роль пористости, возникает потребность в таких методах контроля, которые позволяют оценивать этот параметр быстро, без разрушения изделий и с возможностью встраивания в цифровую систему управления качеством. Традиционные лабораторные процедуры дают точную, но запаздывающую информацию, что ограничивает их эффективность в оперативном управлении технологическим процессом. В этой связи особый интерес представляют экспресс‑подходы, которые обеспечивают получение достоверных оценок пористости непосредственно в производственном потоке и могут служить базой для последующего прогнозирования эксплуатационных свойств продукции.

1. Ультразвуковые методы экспресс‑оценки пористости.

Ультразвуковой подход основан на том, что скорость распространения и затухание упругих волн зависят от плотности и дефектности керамического материала. При прохождении сигнала через более плотный, слабо пористый черепок волна идёт быстрее и теряет меньшую часть энергии, а развитая система пор и микротрещин приводит к снижению скорости, увеличению времени пробега и более сильному рассеянию сигнала [3].

На практике используют схемы «на просвет» или «эхо‑метод»: регистрируют время прихода импульса, амплитуду, форму и спектральный состав. Эти параметры затем сопоставляют с пористостью, определённой классическими методами, и получают калибровочные зависимости. После такой настройки ультразвуковая измерительная линия позволяет без разрушения образцов оперативно оценивать пористость [4].

2. Оптические и изображенческие методы.

Оптические методы опираются на анализ изображений поверхности или шлифов материала. Для этого используют камеры или микроскопы, формирующие цифровое изображение с достаточным разрешением. Далее применяются алгоритмы обработки: бинаризация, выделение контуров, анализ текстуры, распределения яркости и цвета.

Поры и дефекты, выходящие на поверхность, обычно отличаются по тону, контрасту или форме от основной матрицы. По площади тёмных участков, их размерному составу, плотности и распределению можно судить о характере поровой структуры приповерхностного слоя. Хотя такой подход напрямую описывает только верхнюю часть черепка, статистически он хорошо коррелирует с внутренней пористостью при стабильной технологии. В производственных условиях оптические системы часто объединяют с машинным зрением, чтобы одновременно контролировать геометрию, видимые дефекты и косвенные признаки структуры материала в потоке без остановки линии.

3. Нейросетевые методы.

Нейросетевые методы позволяют объединить разнородную информацию и извлечь из неё закономерности, которые трудно описать простыми формулами. В качестве входных данных могут выступать:

– числовые параметры ультразвуковых сигналов (время прохождения, амплитуда, спектральные коэффициенты);

– признаки, полученные при обработке изображений (площадь и количество пор, характеристики текстуры, статистика яркости);

– данные о режимах формования, сушки и обжига.

Для обучения нейронной сети формируют выборку образцов, для которых известна «истинная» пористость, определённая стандартными методами. Сеть находит нелинейную связь между набором входных признаков и искомым значением пористости. После обучения модель можно использовать как инструмент экспресс‑оценки: по данным, снимаемым с датчиков и камер, она выдаёт оценку пористости без дополнительных лабораторных испытаний [5].

Преимущество нейросетевого подхода в том, что он способен учитывать комплексный характер влияния структуры пор, состава сырья и технологических режимов, а также корректируется по мере накопления новых данных. В составе цифровой системы контроля качества такая модель становится связующим звеном между измерениями «на линии» и оценкой структурного состояния материала, что позволяет использовать пористость как оперативный индикатор качества.

Рассмотренные подходы показывают, что пористость может быть оценена по совокупности косвенных признаков, получаемых непосредственно в производственном потоке. Однако сами по себе отдельные методы ещё не образуют работающую систему: для реального внедрения требуется организовать их совместную работу, обеспечить последовательную обработку данных и передачу результатов в контур управления качеством. Поэтому следующим шагом является описание структурной схемы блока экспресс‑контроля пористости, в которой каждый из рассмотренных методов занимает своё место на определённом уровне — от датчиков и предварительной обработки сигналов до аналитических моделей и интерфейсов взаимодействия с производственной системой [6].

Блок экспресс‑контроля пористости в рамках цифровой системы качества удобно описывать как последовательность функциональных узлов, через которые проходит информация от изделия до управленческого решения.

В обобщённом виде схема такого блока включает несколько основных стадий. На первом этапе расположены измерительные подсистемы — ультразвуковые датчики, системы машинного зрения и, при необходимости, дополнительные датчики технологических параметров (температура обжига, параметры сушки, скорость движения изделий по линии). Они формируют поток сырых данных: временные зависимости сигналов, серии изображений, технологические кривые. Следующий узел — модуль предварительной обработки , где выполняются фильтрация помех, нормализация шкал, синхронизация данных по времени и преобразование сигналов в набор числовых признаков (скорость прохождения ультразвука, коэффициенты затухания, параметры текстуры поверхности, статистические характеристики изображений и т. п.).

Далее эти признаки поступают в вычислительный модуль экспресс‑оценки пористости , реализующий математические модели и алгоритмы машинного обучения. На этом уровне могут использоваться как относительно простые регрессионные зависимости, так и нейросетевые модели, обученные на выборке образцов с заранее определённой пористостью. Результатом работы модуля является оценка пористости для конкретного изделия или партии, представляемая в виде цифрового показателя с заданной периодичностью. Завершающее звено — интерфейс взаимодействия с остальной системой : рассчитанное значение пористости передаётся в модуль прогнозирования эксплуатационных свойств, в систему визуализации для оператора и, при необходимости, в подсистему автоматического управления режимами технологического процесса.

Применение такого блока в производственном контуре может быть различным. Один вариант — линейный контроль на выходе печи : сразу после обжига кирпич проходит через участок с ультразвуковыми датчиками и камерой, данные обрабатываются в блоке экспресс‑контроля, после чего пористость используется для оперативной сортировки продукции по группам качества и для корректировки режимов обжига для последующих партий. Другой пример — выборочный контроль в зоне сушки : периодически отбираемые изделия проверяются экспресс‑методом, и по результатам оценки пористости принимаются решения о корректировке температурно‑влажностного режима сушки, если выявляются тенденции к формированию нежелательной структуры черепка. В обоих случаях блок экспресс‑контроля позволяет получать структурную информацию до завершения длительных лабораторных испытаний и тем самым повышает скорость и обоснованность управленческих действий.

Литература:

1. Ю. В. Селиванов, В. И. Верещагин, А. Д. Шильцина Получение и свойства пористой строительной керамики // Известия Томского политехнического университета. 2004. № 1. С. 107–113.
2. Строительное материаловедение. Учебное пособие для бакалавров / И. А. Рыбьев // Издательство Юрайт. 2014. 701 с.
3. В. Ф. Тележкин, П. А. Угаров, М. А. Девятов Ультразвуковой нейросетевой комплекс экспресс-контроля качества кирпича // Вестник науки и образования Северо-Запада России. 2025. № 1. С. 77–85.
4. К вопросу применения ультразвукового метода при контроле однородности реставрационного кирпича / Перунов А. С. // Инженерный вестник Дона. 2021. № 3. С. 370–378.
5. М. Ю. Катаев, Р. К. Карпов, К. А. Ламинский Программная система обнаружения дефектов кирпичей на основе методов компьютерного зрения // Доклады ТУСУР. 2021. № 1. С. 62–67.
6. Д. А. Довгаль Совершенствование подходов к управлению качеством продукции на крупных производственных предприятиях // Управление качеством. 2024. С. 4–21.