深層学習に基づく気泡検出技術の適用による分散気泡の3次元挙動の可視化

Visualization of 3D behavior of dispersed bubbles using deep learning-based bubble detection technique

上澤 伸一郎  ; 小野 綾子 ; 吉田 啓之  

Uesawa, Shinichiro; Ono, Ayako; Yoshida, Hiroyuki

気泡の3次元挙動を得るため、複数台のハイスピードビデオカメラにより気泡の3次元位置を同定する可視化計測技術が用いられている。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、高ボイド率条件への適用が困難であった。原子力機構では、気泡の重なりに対する課題を克服するため、Shifted window Transformer (Swin Transformer)を用いた深層学習ベースの気泡検出技術の開発を進めている。本報では、その気泡検出技術を主流方向以外の二方向から撮影した分散気泡群の画像に適用し、分散気泡の3次元挙動可視化計測を実施した。その結果、各画像に対して、視線方向に対して重なり合う気泡群から個々の気泡を検出でき、気泡径やアスペクト比を取得できることを確認した。また、両画像の主流方向に対する気泡位置を紐付けることにより、個々の気泡の3次元位置ならびに3次元の気泡速度計測が可能であることを確認した。

In order to obtain 3D behavior of bubbles, visualization using high-speed video-cameras has been used to identify 3D positions of bubbles. However, it was difficult to apply the technique to bubbly flow with the high void fraction because overlapping bubbles for the sight direction of the camera increased with the increase in the void fraction. JAEA has developed the deep learning-based bubble detector with Shifted window Transformer (Swin Transformer) to overcome the issue for the overlapping bubbles. In this study, we applied the bubble detection technique to images of bubble swarms visualized from two directions other than the direction of main flow and visualized 3D behavior of dispersed bubbles. The result showed that individual bubbles in bubble swarms were detected, and bubble diameters and aspect ratios were measured. Additionally, we obtained 3D positions of bubbles and 3D bubble velocities by linking the bubble positions for the direction of main flow in both images.