深層学習に基づく気泡検出技術を用いた複雑流路内3次元可視化計測技術

3D visualization in complicated 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

本稿では、原子炉燃料集合体のような複雑な流路内における気泡の3次元分布を可視化するための新たな計測技術について紹介する。気泡流は多くの工学分野で重要であり、特に原子力工学においては気泡挙動が原子炉の性能や安全性に大きく影響するため、その詳細な把握が求められている。従来のルールベース画像認識では、視線方向に重なった気泡の識別が困難であったが、本研究では深層学習(Mask R-CNNとSwin Transformer)を用いることで、少ない学習データでも高精度な気泡検出を実現した。さらに、ByteTrackを用いたトラッキング技術により、複雑な運動をする多数の気泡の追跡も可能となった。2台のハイスピードカメラを用いて異なる視点から撮影した画像を組み合わせ、楕円体近似により気泡の3次元形状を再構成することで、気泡の位置、直径、速度などの3次元的な瞬時局所情報を取得できる。また、流路内の構造物による視界の遮蔽や屈折の影響を排除するため、水と同程度の屈折率を持つ透明材料(PFAチューブ)を用いて模擬燃料棒を製作し、複雑な構造を持つ流路でも歪みのない撮影と計測を可能にした。これにより、従来困難であった複雑流路内の気泡挙動の3次元可視化が実現された。本技術は、少ないカメラ台数と学習量で高精度な3次元可視化を可能であることから、気泡以外の対象物への応用も期待されている。

This paper introduces a new measurement technique for visualizing the three-dimensional distribution of bubbles in a complex channel such as a nuclear reactor fuel assembly. Bubbly flow is important in many engineering fields, and especially in nuclear engineering, where bubble behavior significantly affects the performance and safety of nuclear reactors, and thus requires detailed understanding. Conventional rule-based image recognition has difficulty identifying bubbles overlapping in the line-of-sight direction, but in this study, deep learning (Mask R-CNN and Swin Transformer) is used to achieve highly accurate bubble detection with a small amount of training data. Furthermore, the tracking technique using ByteTrack made it possible to track many bubbles with complex motions, and by combining images taken from different viewpoints using two high-speed cameras and reconstructing the 3D shape of the bubbles using the ellipsoid approximation, 3D instantaneous local information such as bubble position, diameter, and velocity was obtained. To eliminate the effects of refraction and obstruction of vision by structures in the channel, a simulated fuel rod was made of a transparent material (PFA tube) with a refractive index similar to that of water, enabling distortion-free imaging and measurement even in channels with complex structures. This enabled 3D visualization of bubble behavior in complex channels, which had been difficult to achieve in the past. Since this technology enables highly accurate 3D visualization with a small number of cameras and a small amount of learning, it is expected to be applied to objects other than bubbles.