深層学習を用いたロッドバンドル流路内の気泡特徴量計測,2; 深層学習を用いた気泡検出技術の開発

Measurement of bubble characteristics in rod bundle flow channel using deep learning, 2; Development of bubble detection technique using deep learning

平松 夏樹*; 小野 浩二*; 上澤 伸一郎  ; 吉田 啓之  

Hiramatsu, Natsuki*; Ono, Koji*; Uesawa, Shinichiro; Yoshida, Hiroyuki

革新炉の早期実用化に向けて、大型モックアップ試験の代替・補完手段として詳細二相流解析の活用が検討されている。本研究では、詳細二相流解析の妥当性を確認するため、画像セグメンテーションとバウンディングボックスに基づくトラッキングおよび二方向から撮影した画像間での気泡マッチングを行うことで、気泡の重心位置・径・速度などを算出し、気泡の三次元分布を再構成する技術を開発している。本報では、本技術の開発状況に加え、実験データだけでなく数値シミュレーションデータを学習データとして併用した場合の検出精度への影響について評価した結果を報告する。

For the early practical deployment of innovative reactors, the use of detailed two-phase flow analysis is being considered as an alternative or complementary approach to large-scale mock-up experiments. In this study, we are developing a technique to calculate bubble centroid positions, diameters, and velocities and to reconstruct the three-dimensional bubble distribution by applying image segmentation, bounding-box-based tracking, and bubble matching between images acquired from two different directions, in order to validate the detailed two-phase flow analysis. This presentation reports the current status of the development of this technique and evaluates the impact of using not only experimental data but also numerical simulation data as training data on the detection accuracy.