Discrimination of the structures in nuclear facility by deep learning based on 3D point cloud data

3次元点群データに基づいた深層学習による原子力プラント内構造物の識別手法に関する研究開発

今渕 貴志  ; 谷藤 祐太 ; 川端 邦明   

Imabuchi, Takashi; Tanifuji, Yuta; Kawabata, Kuniaki

本稿は、3次元点群データに基づいた深層学習による原子力プラント内構造物の識別手法について報告するものである。安全かつ着実な廃炉作業の推進のためには、取得した作業空間情報に基づいて状態の推定や想定を行うことが重要である。特に空間内の放射線量に関わる情報をシミュレーション等の計算で正確に推定することができれば作業計画の立案等が容易になる。正確な放射線量に関する計算を行うためには、作業空間内に存在する物体の空間形状と材質のデータが必要不可欠であるが、その推定は容易ではない。そこで我々は、原子力プラント内の構造物の種別から材質を推定しうることに着目し、深層学習による構造物識別手法の研究開発に取り組んでいる。本稿では、学習データとして既存プラントの3次元点群データに基づき作成されたCADデータの属性ラベルをボクセルグリッドサンプリングによって当該点群データへ付与する手法を提案し、Hold-out学習による学習精度を示すことでその有用性についての考察を述べる。

This paper describes a method for discrimination of the structures in nuclear power station by deep learning based on 3D point cloud data. In order to promote safe and steady decommissioning work, it is important to estimate and assume the condition in nuclear power station based on the measured sensor data. Especially, the data of the dose rate in the workspace is useful to plan the decommissioning task and, the shape and the material property of the structures in the workspace are required for the dose rate simulation. Shape data can be obtained by such as 3D Scan, however, it is difficult to acquire the material property data of the objects. Therefore, we consider that it is possible that the major material property can be estimated from the category of the structures in nuclear power station. In this paper, we proposed a structure discrimination method by 3D semantic segmentation with 3D point cloud data that consists of labeled points by referring category labels of CAD data of existing nuclear facility. We reported discrimination performance of the proposed method by hold-out validation.