深層学習に基づく気泡検出技術を用いたロッドバンドル流路内3次元可視化計測

3D 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

高速度ビデオカメラを用いた気泡可視化は、気泡径や気泡速度の計測技術として用いられてきた。しかし、ボイド率が高い条件下では、ボイド率の増加とともにカメラの視線方向に対する気泡の重なりが増加するため、気泡の検出が困難であった。また、ロッドバンドル流路のような障害物がある体系では可視化がさらに困難になる。本研究では、Shifted Window Transformerを用いたディープラーニングに基づく気泡検出技術を2方向から撮影した気泡画像に適用し、ロッドバンドル流路内の気泡サイズ、気泡の3次元位置、3次元軌跡を求めた。さらに、水とほぼ同じ反射率のパーフルオロアルコキシアルカンチューブを流路に用い、流路全体の気泡流を可視化した。その結果、気泡の重なりやロッド後方の気泡など、個々の気泡を識別して検出できることを確認した。さらに検出結果を用いて、各気泡の直径と流速ならびに断面ボイド率を求めた。

Bubble visualization using a high-speed video-camera has been used as a measurement technique of bubble diameters and velocities. 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 void fraction. Additionally, the visualization for a system with objects, such as rod bundle flow channels, becomes more difficult. In this study, we applied a deep learning-based bubble detection technique with Shifted Window Transformer to bubble images shoot from two directions to identify the bubble size, three-dimensional (3D) positions of bubbles, 3D bubble trajectories in the rod bundle flow channel. Furthermore, we used perfluoroalkoxy alkane tubes with almost the same reflection as water in the channel to visualize the bubbly flow in the whole of the flow channel. We confirmed that the detection technique can segment individual bubbles in overlapping bubbles and bubbles behind the rod. By using the detection results, we estimated the diameter and velocity of each bubble and cross-sectional void fraction.