深層学習ベースの気泡検出技術を用いたロッドバンドル流路内気泡可視化計測

Bubble visualization in rod bundle flow channel using deep learning-based bubble detection

上澤 伸一郎  ; 小野 綾子 ; 吉田 啓之  

Uesawa, Shinichiro; Ono, Ayako; Yoshida, Hiroyuki

分散気泡流における気泡径や界面積濃度、ボイド率の計測技術として、ハイスピードビデオカメラによる気泡可視化計測手法が用いられてきた。しかしながら、ボイド率の増加と共にカメラの視線方向に対して重なり合う気泡が増加することから、高ボイド率での気泡検出は困難であった。本研究では、その課題を克服するために、Shifted window Transformer (Swin Transformer)を用いた深層学習ベースの気泡検出技術を開発した。その性能を検証するため、Generative Adversarial Networks (GAN)で取得した気泡の画像を用いて、教師画像数に対する平均適合率(AP)を計算したところ、教師画像の数が50枚で十分なAPとなった。このことから少ない画像数でも気泡検出が可能であることがわかった。また、配管やバンドル流路体系における気泡可視化実験で取得した画像に対しても、重なり合う気泡の中から個々の気泡を検出できることを確認した。その結果を用いて、界面積濃度とボイド率を算出し、既存の関係式と比較したところ、良く一致することが確認された。このことから、本検出技術が気泡径だけでなく、界面積濃度やボイド率の計測も可能であることが示された。

Bubble visualization using a high-speed video-camera has been used as measurement techniques of bubble diameters, interfacial area concentrations, and void fractions in dispersed bubbly flow. However, the bubble detection was difficult under the condition of the high void fraction because the overlapping bubbles for the sight direction of the camera increased with the increase in the void fraction. In this study, we developed the deep learning-based bubble detector with Shifted window Transformer (Swin Transformer) to overcome the issue. To verify the performance, we used the synthetic bubble images obtained by Generative Adversarial Networks (GAN) and obtained average precisions (APs) for the number of the training dataset. The result showed that the AP was large enough for 50 datasets, and bubble detection was possible even with a small number of the training data. Additionally, we confirmed that the detector can detect and segment individual bubbles in overlapping bubbles obtained in the visualization experiments of pipe and bundle flows. By using the detection results, we estimated the interfacial area concentrations and void fractions. In comparison with commonly used relations, the results were in good agreement with the relations. Thus, the detector can measure not only bubble diameters but also interfacial area concentrations and void fractions.