Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
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.
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。
今渕 貴志; 川端 邦明
no journal, ,
本発表では、廃炉作業における放射線量シミュレーションに必要な作業空間内構造物の3次元形状および材質を推定するために、原子力施設内で計測された3次元点群から仮想カメラを用いて投影画像を生成し、画像情報に基づく深層学習による構造物識別を行う手法について報告する。
川端 邦明; 白崎 令人*; 阿部 浩之*; 羽成 敏秀; 伊藤 倫太郎; 今渕 貴志; 山田 大地
no journal, ,
本講演では、原子力施設内で効率的な空間線量率計測を目的とした空間線量率と計測位置を同期して収集を行うシステム開発について述べる。現在開発を行っているプロトタイプシステムの構成と動作実験結果について報告する。
今渕 貴志
no journal, ,
本講演では、原子力施設の廃炉・廃止措置における作業現場の環境変化を素早く3Dモデルに反映する更新エンジンに資する構造物識別手法について述べる。その中で、如何にして構造物識別が可能なディープニューラルネットワーク(本研究ではPointNet++を使用)を学習させるか、特に教師データセットの作成方法について説明する。最後に、実際に計測した3次元点群データを用いて、提案手法によるデータセット作成例を紹介する。
川端 邦明; 今渕 貴志; 白崎 令人*; 鈴木 壮一郎; 伊藤 倫太郎
no journal, ,
This paper described to implementation of on-line data monitoring/recording function on simultaneous data collection unit of dose rate and measurement position that we are developing. The prototype system is composed base on Robot Operating System and collected data by the unit are shared through the network. We reported about the configuration of data collection unit, implementation and also conducted demonstrations.
今渕 貴志; Prima, O. D. A.*
no journal, ,
高齢人口増加により、医療福祉現場における患者・入所者の転倒・転落事故の発生件数は依然として高く、これらのアクシンデントを早期に発見することは重要である。我々は、全方位型カメラを用いることで同一空間における複数人物の自動モニタリングを行うシステムを開発している。本研究では、全方位カメラにより撮影した動画像から人物の関節角度を推定し、その時系列変動を用いた深層学習による行動検知手法について述べる。性能評価では、静止状態,歩行,起き上がり,転倒の各行動における関節角度の時系列変動の学習について、ホールドアウト検証の結果を報告する。
川端 邦明; 今渕 貴志; 白崎 令人*; 伊藤 倫太郎; 鈴木 壮一郎
no journal, ,
本稿では、現在我々が取り組んでいる空間線量率と計測位置を併せて収集するための基盤技術およびシステム開発の現状について紹介する。
羽成 敏秀; 今渕 貴志; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、構造物の状態、空間線量率等の情報から構造物の表面の線源分布を推定する「線源逆推定エンジン」と環境データの計測・収集、可視化およびデータ処理・蓄積を行うデータベースを含む「線源・線量率推定システム」の開発を行っている。この中で環境データは線源分布の計算において重要な要素であり、その更新頻度を向上させることはシステム全体の効率化につながる。そこで、我々は計測したデータを既知のデータと同期して差分情報のみを抽出することで自動的にデータベースに必要な情報を追加する手法を開発している。本発表では、更新頻度の向上を目的とした環境データの自動同期による差分情報の抽出について報告する。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、構造物の状態、空間線量率等の情報を計測・収集・可視化・データ蓄積が行える「線源・線量率推定システム」の開発を行っている。構造物の状態は廃炉作業終了後に巡回する3D計測ロボットにより取得する。計測したデータは既知のデータと同期して差分情報のみを抽出することで自動的にデータベースを更新する。本研究では、この更新作業を容易に実施するために、抽出された差分情報に対して、Pointnet++による点群データ自動認識を行った。Pointnet++は点群データを直接入力して学習が行えるニューラルネットワークである。本ネットワークは入力点群の順序や密度に出力が変化しない特徴を有している。さらに認識された点群データは、必要に応じて、3角形メッシュ,平面,円筒,立方体(ボクセル)に自動変換され、「線源逆推定エンジン」のシミュレーションモデル更新に利用される。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、被ばく低減を目的とした環境・線源分布のデジタル化技術の開発を進めている。作業環境のデジタル化のために環境内の構造物の状態は3D計測ロボットにより取得し、得られたデータはデータベースに蓄積されている過去のデータとの同期により2時刻間の差分情報を抽出することで効率的なデータの更新・蓄積を行う。データ更新の際、環境中に新たに追加された点群データは深層学習を用いて形状からの構造物の認識・分類を行う。また、新たに追加された点群データは必要に応じて3角形メッシュ、ボクセルデータに自動変換(3Dモデル化)され、線源推定のためのシミュレーションの構造モデルとして利用される。現在、我々は作業環境のデジタル化技術として、この工程を自動化するための研究を進めている。本発表では、環境データの更新・蓄積作業を効率的に実施するために、深層学習を用いた点群データの自動認識および点群データからの3Dモデル化を試みた結果について報告する。
今渕 貴志; 川端 邦明
no journal, ,
本報告は、日本原子力研究開発機構令和4年度福島研究開発部門成果報告会において、原子力施設内構造物の識別に関する研究開発について発表するものである。