Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
今渕 貴志; 川端 邦明
Journal of Robotics and Mechatronics, 36(1), p.63 - 70, 2024/02
In the decommissioning of Fukushima Daiichi Nuclear Power Station, radiation dose calculations using a 3D model of the workspace are performed to determine appropriate measures to reduce exposure. However, constructing a 3D model from 3D point cloud is costly. In order to separate the geometrical shape regions on 3D point cloud, we have been developing the structure discrimination method by 3D and 2D deep learning for contributing to 3D modeling automation technology. In this paper, we describe a method for transferring and fusing labels to handle 2D prediction label in 3D space. We propose an exhaustive label fusion method for plant facilities with intricate structures. In evaluation, we applied the method to a mock-up plant dataset and confirmed that it works effectively.
今渕 貴志; 川端 邦明
Proceedings of 2024 IEEE/SICE International Symposium on System Integration (SII2024) (Internet), p.141 - 146, 2024/01
This paper describes a method for volumetric-based semantic 3D modeling from 3D point cloud obtained in a plant environment. In order to calculate a radiation dose distribution of the workspace in decommissioning, the shape, arrangement, materials, and thicknesses of structures are essentially required in addition to dose values. However, it is costly to create such enriched 3D models from 3D point cloud. In this study, we propose a method to create 3D models with structural category and material thickness by combining 2D image-based deep learning and volumetric reconstruction method. To discriminate structures, structural category labels are predicted by a pre-trained 2D semantic segmentation network on projected image created from 3D point cloud. Then, a triangular mesh is generated from the integrated Truncated Signed Distance Function (TSDF) according to prediction labels. In addition, we optimize the TSDF thickness assignment function to reduce surface distance error. Our evaluation reports thickness and surface distance errors when generating meshes with three different structural categories in a mock-up plant environment.
民井 淳*; Pellegri, L.*; S
derstrm, P.-A.*; Allard, D.*; Goriely, S.*; 稲倉 恒法*; Khan, E.*; 木戸 英治*; 木村 真明*; Litvinova, E.*; et al.
European Physical Journal A, 59(9), p.208_1 - 208_21, 2023/09
被引用回数：2 パーセンタイル：79.22(Physics, Nuclear)光核反応は原子核構造の観点からも応用の観点からも重要であるにも関わらず、その反応断面積は未だに不定性が大きい。近年、超高エネルギー宇宙線の起源を探るために、鉄よりも軽い原子核の光核反応断面積を正確に知る必要が指摘されている。この状況を打破するため、原子核物理の実験、理論、宇宙物理の共同研究となるPANDORAプロジェクトが始まった。本論文はその計画の概要をまとめたものである。原子核実験ではRCNP、iThembaによる仮想光子実験とELI-NPによる実光子実験などが計画されている。原子核理論では、乱雑位相近似計算、相対論的平均場理論、反対称化分子動力学、大規模殻模型計算などが計画されている。これらで得られた信頼性の高い光核反応データベースと宇宙線伝搬コードを組み合わせ、超高エネルギー宇宙線の起源の解明に挑む。
今渕 貴志; 川端 邦明
Proceedings of 20th International Conference on Ubiquitous Robots (UR 2023), p.632 - 633, 2023/06
This paper describes a feasibility study of a deep learning-based structure discrimination using data sources measured by different sensor from the sensor used when training the network for automatic creation of 3D spatial information in working environment for decommissioning. In previous work, we have developed a method for estimating geometrical shape regions and category information of structures from high-density 3D point cloud data measured in nuclear facilities. In this paper, we report the discrimination accuracy on low-density 3D point cloud data measured in a testing plant environment using the discriminator trained on high-density and high-precision 3D point cloud data measured in the same space. In addition to this, we verify the improvement of accuracy by removing noise on the surface of the structure caused by the sensor's measurement error range.
廣田 夕貴*; 富永 大輝*; 川端 隆*; 川北 至信; 松尾 康光*
Bioengineering (Internet), 10(5), p.622_1 - 622_17, 2023/05
被引用回数：0 パーセンタイル：0.01(Biotechnology & Applied Microbiology)Recently, it was reported that chitin and chitosan exhibited high-proton conductivity and function as an electrolyte in fuel cells. In particular, it is noteworthy that proton conductivity in the hydrated chitin becomes 30 times higher than that in the hydrated chitosan. Since higher proton conductivity is necessary for the fuel cell electrolyte, it is significantly important to clarify the key factor for the realization of higher proton conduction from a microscopic viewpoint for the future development of fuel cells. Therefore, we have measured proton dynamics in the hydrated chitin using quasi-elastic neutron scattering (QENS) from the microscopic viewpoint and compared the proton conduction mechanism between hydrated chitin and chitosan. QENS results exhibited that a part of hydrogen atoms and hydration water in chitin are mobile even at 238 K, and the mobile hydrogen atoms and their diffusion increase with increasing temperature. It was found that the diffusion constant of mobile protons is two times larger and that the residence time is two times in chitin faster than that in chitosan. In addition, it is revealed from the experimental results that the transition process of dissociable hydrogen atoms between chitin and chitosan is different. To realize proton conduction in the hydrated chitosan, the hydrogen atoms of the hydronium ions (H
O
) should be transferred to another hydration water. By contrast, in hydrated chitin, the hydrogen atoms can transfer directly to the proton acceptors of neighboring chitin. It is deduced that higher proton conductivity in the hydrated chitin compared with that in the hydrated chitosan is yielded by the difference of diffusion constant and the residence time by hydrogen-atom dynamics and the location and number of proton acceptors.
今渕 貴志; 川端 邦明
Proceedings of 2023 IEEE/SICE International Symposium on System Integration (SII 2023) (Internet), p.396 - 400, 2023/01
This paper describes a method for discrimination of structures in a plant facility by deep learning based on projected images created from a colored 3D point cloud data using a virtual camera system. In order to promote safe and secure decommissioning works, it is important to recognize a radiation condition in the workspace via calculation based on the measured sensor data. In our previous work, we proposed a structure discrimination method by 3D semantic segmentation network to obtain clues required for radiation dose simulation: shape regions for creating 3D shape model and structural category labels for assigning material information. However, in the evaluation, we confirmed that the network trained based on point geometric patterns had limited discrimination performance. In this paper, we introduce deep learning based on projected images created from colored 3D point cloud data to improve the accuracy of our structure discrimination method. The projected images are created by a virtual camera system, and after discrimination, predicted pixel-wise labels are back-projected into the 3D point cloud. In evaluation, we reported the discrimination performance and 2D-3D back projection result of our proposed method.
廣田 夕貴*; 富永 大輝*; 川端 隆*; 川北 至信; 松尾 康光*
Bioengineering (Internet), 9(10), p.599_1 - 599_17, 2022/10
被引用回数：2 パーセンタイル：30.14(Biotechnology & Applied Microbiology)Chitosan, which is an environmentally friendly and highly bio-producible material, is a potential proton-conducting electrolyte for use in fuel cells. Thus, to microscopically elucidate proton transport in hydrated chitosan, we employed the quasi-elastic neutron scattering (QENS) technique. QENS analysis showed that the hydration water, which was mobile even at 238 K, moved significantly more slowly than the bulk water, in addition to exhibiting jump diffusion. Furthermore, upon increasing the temperature from 238 to 283 K, the diffusion constant of water changed increased from 
to 
cm
/s. It was also found that a portion of the hydrogen atoms in chitosan undergo a jump-diffusion motion similar to that of the hydrogen present in water. Moreover, QENS analysis revealed that the activation energy for the jump-diffusion of hydrogen in chitosan and in the hydration water was 0.30 eV, which is close to the value of 0.38 eV obtained from the temperature-dependent proton conductivity results. Overall, it was deduced that a portion of the hydrogen atoms in chitosan dissociate and protonate the interacting hydration water, resulting in the chitosan exhibiting proton conductivity.
今渕 貴志; 谷藤 祐太; 川端 邦明
Proceedings of 2022 IEEE/SICE International Symposium on System Integration (SII 2022) (Internet), p.1036 - 1040, 2022/01
本稿は、3次元点群データに基づいた深層学習による原子力プラント内構造物の識別手法について報告するものである。安全かつ着実な廃炉作業の推進のためには、取得した作業空間情報に基づいて状態の推定や想定を行うことが重要である。特に空間内の放射線量に関わる情報をシミュレーション等の計算で正確に推定することができれば作業計画の立案等が容易になる。正確な放射線量に関する計算を行うためには、作業空間内に存在する物体の空間形状と材質のデータが必要不可欠であるが、その推定は容易ではない。そこで我々は、原子力プラント内の構造物の種別から材質を推定しうることに着目し、深層学習による構造物識別手法の研究開発に取り組んでいる。本稿では、学習データとして既存プラントの3次元点群データに基づき作成されたCADデータの属性ラベルをボクセルグリッドサンプリングによって当該点群データへ付与する手法を提案し、Hold-out学習による学習精度を示すことでその有用性についての考察を述べる。
森 一広*; 奥村 良*; 吉野 泰史*; 金山 雅哉*; 佐藤 節夫*; 大場 洋次郎; 岩瀬 謙二*; 平賀 晴弘*; 日野 正裕*; 佐野 忠史*; et al.
JPS Conference Proceedings (Internet), 33, p.011093_1 - 011093_6, 2021/03
京都大学研究炉(KUR)のB-3ビームポートは、過去には単結晶回折計が設置されていたが、近年はユーザーが減少し、アクティビティが低下している状況にあった。そこで本研究グループでは、近年の中性子利用に関するニーズを再調査し、B-3ビームポートに新たに多目的小型中性子回折計(VCND)を構築した。VCNDは、1.0オングストロームの入射中性子波長を利用して6度から130度までの散乱角を測定でき、既に水素吸蔵合金の研究等への利用が開始されている。講演では、今後の改修計画等についても説明する。
金山 英幸*; 旭吉 雅健*; 小川 文男*; 川畑 美絵*; 伊藤 隆基*; 若井 隆純
材料, 68(5), p.421 - 428, 2019/05
本論文では、厚さ0.76mmの薄板試験片を用いた改良9Cr-1Mo鋼のクリープ損傷評価法を検討した。まず、薄板試験片を用いたクリープ試験の妥当性確認のため、未損傷材から作製した未損傷試験片を用いてクリープ破断試験を既報に追加して行い、試験温度873K、応力160MPaの改良9Cr-1Mo鋼のクリープ破断試験では大気中・真空中の試験雰囲気によるクリープ破断時間の差は明瞭がないことを確認した。バルク試験片のクリープ破断時間よりもミニチュア試験片と薄板試験片のクリープ破断時間が1.3倍程度長かった。つぎに、線形損傷則に及ぼす予損傷試験片の加工の影響を検討するため、予損傷材から作製した予損傷試験片を用いて予損傷条件と同条件のクリープ破断試験を行い、クリープ破断時間が係数1.3程度のバラつき範囲に整理されることを確認した。これに加えて、加速条件のクリープ破断試験を未損傷試験片および予損傷試験片に行い、同結果から薄板試験片を用いた加速クリープ破断試験による損傷評価を行った。試験結果は寿命比則で整理すると係数1.3の範囲に整理された。さらに、加速クリープ破断試験、ビッカース硬さよびラス幅に注目した組織観察の各試験結果から、クリープ損傷量の予測を試み、比較した。加速クリープ破断試験の予測結果はビッカース硬さのそれより精度が高く、ラス幅の予測結果は加速クリープ試験とビッカース硬さの間の精度であった。加速クリープ試験およびビッカース硬さによる予測結果を相加平均で組み合わせる評価手法を提案し、少ない試料数で高精度な予測が可能になる可能性が示された。
永井 泰樹; 橋本 和幸; 初川 雄一; 佐伯 秀也; 本石 章司; 園田 望; 川端 方子; 原田 秀郎; 金 政浩*; 塚田 和明; et al.
Journal of the Physical Society of Japan, 82(6), p.064201_1 - 064201_7, 2013/06
被引用回数：43 パーセンタイル：85.20(Physics, Multidisciplinary)A new system proposed for the generation of radioisotopes with accelerator neutrons by deuterons (GRAND) is described by mainly discussing the production of 
Mo used for nuclear medicine diagnosis. A prototype facility of this system consists of a cyclotron to produce intense accelerator neutrons from the 
C(d,n) reaction with 40 MeV 2 mA deuteron beams, and a sublimation system to separate 
Tc from an irradiated 
MoO sample. About 9.7 TBq/week of Mo is produced by repeating irradiation on an enriched Mo sample (251g) with accelerator neutrons three times for two days. It meets about 10% of the Mo demand in Japan. The characteristic feature of the system lies in its capability to reliably produce a wide range of high-quality, carrier-free, carrier-added radioisotopes with a minimum level of radioactive wastes without using uranium. The system is compact in size, and easy to operate; therefore it could be used worldwide to produce radioisotopes for medical, research, and industrial applications.
鈴木 政浩; 青木 勇斗; 町田 昌彦; 伊藤 倫太郎; 川端 邦明; 山口 隆司; 岡本 孝司
no journal, ,
In this paper, we overview the R&D project and present key results obtained since last fiscal year. Particularly, we show that the core scheme of the protype system, i.e., LASSO scheme to inversely estimate hot spots actually works in Pool-canal circular operation (PCO) room of JMTR selected as a test field prior to applying it to 1F. In addition to the scheme verification, the present status of measurement technique developments is also presented. Their all results suggest that the project is successful, and furthermore, it is expected that this system is applicable to the future operations to improve the radiation environments inside 1F buildings.
松日楽 信人*; 小松 廉*; 中島 慎介*; 山下 敦*; 福井 類*; 高橋 浩之*; 島添 健次*; Woo, H.*; 田村 雄介*; 高橋 隆行*; et al.
no journal, ,
本プロジェクトでは、福島第一原子力発電所の廃炉に向けた遠隔技術分野の人材育成を目的として、燃料デブリ取り出しのためのモニタリングプラットフォームの研究を行っている。本発表では、開発したモニタリングプラットフォームのプロトタイプを用いた実験と各要素技術について説明する。また、本プロジェクトへの参加、講演会での発表、関連施設の見学などを通して、研究人材の育成を期待している。
中村 啓太*; 羽成 敏秀; 間所 洋和*; 今渕 貴志; 川端 邦明; Nix, S.*; 土井 章男*
no journal, ,
福島第一原子力発電所の廃炉活動に向けて、原子炉格納容器および原子炉建屋内を調査する際に撮影した動画像を入力とし、指定された時間、動画像から抽出された特徴量に応じて、周辺情報を補強した上で情報量が大きい立体復元手法を選択し、作業空間を迅速に3次元モデリングするための研究取り組みについて紹介する。本研究では、動画像からの迅速な3次元モデリング手法を写真測量、シミュレーションおよびAI技術の側面から研究開発する。最終的に各研究結果を統合し、『指定した時間、抽出された特徴量に応じて、より情報量が大きい立体復元結果を自動的に生成するプロトタイプシステム』の構築を目指す。
羽成 敏秀; 今渕 貴志; 中村 啓太*; 川端 邦明
no journal, ,
福島第一原子力発電所の廃炉作業における原子炉格納容器内からの安全かつ着実な燃料デブリ取り出し作業を支援するために、作業空間を迅速に3次元モデリングするための研究開発を進めている。本発表では、福島第一原子力発電所の廃炉に向けて原子炉の内部状態を把握するための3Dモデリングによる画質評価について紹介する。原子炉格納容器内部や原子炉建屋の調査で得られた映像や画像を定量的に評価し、効率的な3次元再構築を試みる。最終的には、画質評価に基づいた迅速な3次元モデリング手法の開発を目指す。
今渕 貴志; 川端 邦明
no journal, ,
本発表では、プラント施設を対象とした3次元点群に基づく深層学習による構造物識別における未学習種別に対する識別性能および判別可能性について報告する。我々は、廃炉作業現場の3次元モデル生成効率化のために、点群が持つ形状特徴を種別毎に学習する構造物識別手法の開発を行っており、現場適用に向けては、未学習対象の判別が必要である。そこで、点群を入力とした際に識別器が出力する信頼度および低次元空間における特徴量を可視化することで、既知種別と未知種別の関係性について示す。また、その結果から未学習種別の構造物に対する判別可能性について考察する。
今渕 貴志; 羽成 敏秀; 川端 邦明
no journal, ,
本発表では、原子炉内で取得された動画像からの立体モデル生成を目的として、放射線の影響等による撮像ノイズを含む画像に対して深層学習を含む複数の特徴点抽出手法を適用した結果について報告する。
瀬川 麻里子; 篠原 武尚; 甲斐 哲也; 飯倉 寛; 大井 元貴; 及川 健一; 原田 正英; 酒井 健二; 曽山 和彦; 相澤 一也; et al.
no journal, ,
We are now constructing a pulsed imaging instrument at beam line 22 in MLF (Materials and Life Science Experimental Facility) of J-PARC (Japan Proton Accelerator Research Complex). This is the world first instrument dedicated to the pulsed neutron imaging, which enable us to make two dimensional image of the crystalline structure and nuclide composition and magnetic fields using the features of the pulsed neutron. This instrument also has capability to give the high-resolution images using a higher L/D option compared with other facilities in Japan. In this presentation, we introduce the current status of the instrument development and the prospective practical researches.
羽成 敏秀; 今渕 貴志; 川端 邦明
no journal, ,
福島第一原子力発電所の廃炉作業に向けて、原子炉内部の状況を把握するための3次元モデリングにおける画像品質評価手法について紹介する。効率的な3次元モデリングのために原子炉格納容器内部調査により取得された動画や画像に対して定量的な品質評価を試み、ノイズが付加された画像を用いて特徴点抽出やマッチングに対する画像補正の効果を調べた。その結果、画像品質評価のスコアが高くなるほど、画像間の特徴点マッチングによる対応点数が向上することを確認した。
鈴木 次郎*; 梶本 亮一; 大原 高志; 米村 雅雄*; 青柳 哲雄; 真鍋 篤*; 中谷 健; 大友 季哉*; 川端 節彌*
no journal, ,
Manyo-Libは、中性子の実験データ解析ソフトウエアのフレームワークであり、J-PARC/MLFで使用される基盤ソフトウエアの一つである。Manyo-LibはC++のクラスライブラリと、クラスライブラリをラップするPythonインターフェースからなる。Manyo-Libの目的は、さまざまな散乱実験装置,研究分野に対応した、実験データ解析に必要な解析演算子,データコンテナ,分散処理環境,共通データフォーマットを用意することである。共通データフォーマットとして、NeXusを採用する予定である。
