Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
谷藤 祐太; 今渕 貴志; 川端 邦明
Proceedings of the 31st International Symposium on Artificial Life and Robotics (AROB 31st 2026), p.1011 - 1016, 2026/01
福島第一原子力発電所(1F)の廃炉作業では、濁りや浮遊物、レンズの汚染、放射線起因ノイズなどにより劣化したロボットカメラ映像を用いて作業を行う必要があり、クリーンな参照画像は得られない。本研究では、Noise2Noise(N2N)によるノイズ除去とFSRCNNによる超解像を組み合わせた軽量な画像復元パイプラインを検討した。その結果、N2N→FSRCNNの構成が、NIQEおよびPIQEによる画質評価指標および主観評価の両面において、ノイズや不自然なテクスチャを抑制しつつ視認性を安定的に向上させることを確認した。
谷藤 祐太; 羽成 敏秀; 川端 邦明
Proceedings of International Topical Workshop on Fukushima Decommissioning Research 2024 (FDR2024) (Internet), 3 Pages, 2024/10
In this paper, we describe the results of a feasibility study of a noise reduction method from images using deep learning technology for decommissioning work. Currently, remotely operated robots have been used for the decommissioning work at the Fukushima Daiichi Nuclear Power Station (FDNPS) due to the high radiation environment. We have been conducting research and development for providing clear images during operations by removing only noise from images containing noise to contribute to safe and secure decommissioning work. Since we do a feasibility study of the noise reduction method using deep learning, the main target is not the video, but rather images, which are components of the video. We adopted the approach of building a learning model that can cope with various types of noise by training many noisy images in the deep learning process.
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
被引用回数：3 パーセンタイル：70.68(Computer Science, Interdisciplinary Applications)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。
谷藤 祐太; 川端 邦明
Proceedings of International Workshop on Nonlinear Circuits, Communications and Signal Processing (NCSP 2020) (Internet), p.246 - 249, 2020/02
In this paper, we describe a method of acquiring learning data 3D point cloud data as learning data for deep learning using a simulator. Generally, a lot of data is necessary for building classifiers by deep learning approach. By using a simulator, various measurement conditions can be set thus, it is expected to collect variety of data for building high performance classifier. Data collection was conducted by virtual measurement using a mobile robot model and a sensor model. As a feasibility study of evaluating classification performance, we performed a simple identification experiment to confirm performance and applicability to actual measurement data. As a result, a high identification rate of 89 percent to three categories was obtained.
谷藤 祐太; 川端 邦明; 羽成 敏秀
Proceedings of 2019 IEEE Region Ten Conference (TENCON 2019) (Internet), p.36 - 40, 2019/10
This paper describes a Graphical User Interface (GUI) based operation system for building a classifier based on deep learning and verifying its categorization performance. Currently, we build a structure discrimination method based on deep learning with 3D point cloud to support status awareness of the operator of remotely controlled robot. For building a powerful classifier, the operations like "collection of learning data", "construction of architecture" and "creation of learning model "are done by trial and error. Therefore, we consider to develop a system to make such complicated operations easier and more efficiently. In this paper, we describe about required functions for helping such operations and explain developed a prototype system in detail.
谷藤 祐太; 川端 邦明
Proceedings of International Topical Workshop on Fukushima Decommissioning Research (FDR 2019) (Internet), 4 Pages, 2019/05
This paper describes about the development of an environment recognition method with point cloud data collected in a dark place like Fukushima Daiichi Nuclear Power Station (FDNPS). We reported the results of a feasibility study of the structure discriminations from LiDAR 3D point cloud data by a deep learning approach. Proposed method utilizes the image data of projected 3D point cloud as input for the classifier instead of coordinate data of 3D points directly. This idea realized to make shorten the learning time without large capacity of the memory for the computations. We selected five kinds of structures (Stairs, Pipe, Grating, Switchboard and Valve) commonly appeared in the general plant as a discrimination subjects for evaluating proposed method. As a result, the classifier showed an accuracy of 99.6% to five categories and we could confirm the validity of proposed method for the structure discrimination.
佐藤 優樹; 寺阪 祐太; 宮村 浩子; 冠城 雅晃; 谷藤 祐太; 川端 邦明; 鳥居 建男
Reactor Dosimetry; 16th International Symposium on Reactor Dosimetry (ISRD-16) (ASTM STP 1608), p.428 - 436, 2018/11
被引用回数：0 パーセンタイル：0.00(Nuclear Science & Technology)We developed a lightweight compact Compton camera to measure the distribution of radioactive contamination inside the Fukushima Daiichi Nuclear Power Station. We conducted performance evaluation tests in the coastal area of Fukushima, Japan, using the camera, which employs a cerium (Ce)-doped GAGG (Gd
Al
GaO
) scintillator coupled with a multipixel photon counter. The camera can clearly visualize spreading of radioactivity along the ground surface. In addition, we performed three-dimensional image reconstruction of the distribution of radioactive contamination using the multi-angle data obtained with the Compton camera. We succeeded in obtaining a three-dimensional image of radioactive contamination in the outdoor area.
佐藤 優樹; 谷藤 祐太; 寺阪 祐太; 宇佐美 博士; 冠城 雅晃; 川端 邦明; 宇津木 弥*; 菊地 弘幸*; 高平 史郎*; 鳥居 建男
Journal of Nuclear Science and Technology, 55(9), p.965 - 970, 2018/09
被引用回数：44 パーセンタイル：96.43(Nuclear Science & Technology)The Fukushima Daiichi Nuclear Power Station (FDNPS), operated by Tokyo Electric Power Company Holdings, Inc., went into meltdown after the occurrence of a large tsunami caused by the Great East Japan Earthquake of March 11, 2011. The radiation distribution measurements inside the FDNPS buildings are indispensable to execute decommissioning tasks in the reactor buildings. We conducted the radiation imaging experiment inside the turbine building of Unit 3 of the FDNPS using a compact Compton camera, and succeeded in visualizing the high-dose contamination (up to 3.5 mSv/h). We also drew a three-dimensional radiation distribution map inside the turbine building by integrating the radiation image resulting from the Compton camera into the point cloud data of the experimental environment acquired using the scanning laser range finder. The radiation distribution map shows the position of these contaminations on the real space image of the turbine building. The radiation distribution map helps workers to easily recognize the radioactive contamination and to decrease the radiation exposure; the contamination cannot be observed with the naked eye, naturally.
佐藤 優樹; 寺阪 祐太; 小澤 慎吾*; 谷藤 祐太; 鳥居 建男
Journal of Instrumentation (Internet), 13(8), p.T08011_1 - T08011_10, 2018/08
被引用回数：7 パーセンタイル：28.53(Instruments & Instrumentation)The Fukushima Daiichi Nuclear Power Station (FDNPS), operated by Tokyo Electric Power Company Holdings, Inc., suffered a meltdown after a large tsunami caused by the Great East Japan Earthquake on March 11, 2011. The measurement of radiation distribution inside FDNPS buildings is indispensable for executing appropriate decommissioning tasks in the reactor's buildings. In addition, it is extremely important to accurately predict the location of radioactive contamination beforehand because the working time is limited owing to radiation exposure to workers. In this paper, a simple virtual reality (VR) system that can detect radioactive substances in virtual space has been developed to simulate real working environments. A three-dimensional (3D) photo-based model of the real working environment, including an image of the radioactive substance, was imported into the virtual space of the VR system. The developed VR system can be accessed using a smartphone and a cardboard goggle. The VR system is expected to be useful for preliminary training of workers and for recognizing radioactive hotspots during decommissioning of the work environment.
佐藤 優樹; 小澤 慎吾*; 谷藤 祐太; 鳥居 建男
Journal of Instrumentation (Internet), 13(3), p.P03001_1 - P03001_8, 2018/03
被引用回数：7 パーセンタイル：28.53(Instruments & Instrumentation)The Fukushima Daiichi Nuclear Power Station (FDNPS), operated by Tokyo Electric Power Company Holdings, Inc., went into meltdown after the large tsunami caused by the Great East Japan Earthquake of March 11, 2011. Radiation distribution measurements inside FDNPS buildings are indispensable to execute decommissioning tasks in the reactor buildings. We have developed a method of three-dimensional (3-D) image reconstruction for radioactive substances using a compact Compton camera. We also succeeded in visually recognize the position of the radioactive substances on the real space by integration of the 3D radiation image and the 3D photo-model created by photogrammetry.
川端 邦明; 毛利 文昭*; 白崎 令人; 谷藤 祐太; 羽成 敏秀
Proceedings of 2017 IEEE/SICE International Symposium on System Integration (SII 2017), p.450 - 455, 2018/02
本論文は、遠隔技術による廃炉、特に福島第一原子力発電所を支援するための試験施設および設備について報告を行う。原子力機構楢葉遠隔技術開発センターでは、1F廃炉のための遠隔技術開発を支援するためのセンターであり、モックアップ階段、ロボット試験用水槽、モーションキャプチャなどを整備して、2016年4月から運用開始している。これに加えて、廃炉用遠隔操作ロボットの試験環境の設計、開発も行っている。本論文では、楢葉遠隔技術開発センターにおける試験施設や試験環境開発の現状について報告を行う。
-ray imager mounted on a multicopter drone佐藤 優樹; 小澤 慎吾*; 寺阪 祐太; 冠城 雅晃; 谷藤 祐太; 川端 邦明; 宮村 浩子; 和泉 良*; 鈴木 敏和*; 鳥居 建男
Journal of Nuclear Science and Technology, 55(1), p.90 - 96, 2018/01
被引用回数：51 パーセンタイル：97.46(Nuclear Science & Technology)A remote radiation imaging system comprising a lightweight Compton camera and a multicopter drone was developed to remotely and quickly measure radioactive contamination inside the buildings of the Fukushima Daiichi Nuclear Power Station (FDNPS). The drone system is used for measuring detailed radiation distributions in narrow areas, which have been difficult to gauge with conventional aircraft monitoring using helicopters. A measurement of radiation distributions in outdoor environments in the coastal areas of Fukushima, Japan, was performed. The drone system with the Compton camera succeeded in remote observations of dense hotspots from the sky over a contaminated area near the FDNPS. The time required for image reconstruction is approximately 550 s in the case of a 9-m flight altitude for the hotspots with a surface dose rate of several tens of 
Sv/h. This drone system will be used inside the buildings of the FDNPS for remote measurement of radioactive contamination.
佐藤 優樹; 寺阪 祐太; 小澤 慎吾*; 宮村 浩子; 冠城 雅晃; 谷藤 祐太; 川端 邦明; 鳥居 建男
Journal of Instrumentation (Internet), 12(11), p.C11007_1 - C11007_8, 2017/11
被引用回数：23 パーセンタイル：66.44(Instruments & Instrumentation)The Fukushima Daiichi Nuclear Power Station (FDNPS), operated by Tokyo Electric Power Company Holdings, Inc., went into meltdown after the large tsunami caused by the Great East Japan Earthquake of March 11, 2011. Very large amounts of radionuclides were released from the damaged plant. Radiation distribution measurements inside the building of FDNPS are indispensable to execute the decommission tasks in the reactor buildings. We have developed a light-weight compact Compton camera to three-dimensionally measure the distribution of radioactive contamination inside FDNPS. The total weight of the Compton camera is lower than 1.0 kg. The -ray sensor of the Compton camera employs the Ce-doped GAGG scintillators coupled with a multi-pixel photon counter (MPPC: Hamamatsu Photonics K.K.,). We performed the 3D image reconstruction of the 
Cs-radioactive sources as shown in Fig. 1; the 3D radiation image is reconstructed using the multi-angle data measured with the Compton camera. Here, we introduce the development status of the 3D radiation imaging system consisting of the Compton camera. Moreover, we present the results of a performance evaluation test for 3D image reconstruction of radioactive contaminations in details.
谷藤 祐太
原子力年鑑2018, p.96 - 97, 2017/10
福島第一原子力発電所の事故収束に向けて、楢葉遠隔技術開発センターで行っている遠隔技術開発の取り組みについて報告する。
-ray imager mounted on a remotely operated machine佐藤 優樹; 川端 邦明; 小澤 慎吾*; 和泉 良*; 冠城 雅晃; 谷藤 祐太; 寺阪 祐太; 宮村 浩子; 河村 拓馬; 鈴木 敏和*; et al.
IFAC-PapersOnLine, 50(1), p.1062 - 1066, 2017/07
被引用回数：4 パーセンタイル：69.25(Automation & Control Systems)The development of remote and quick radiation imaging methods in the high dose-rate environment is requested to accelerate implementation of decommissioning of the Fukushima Dai-ichi Nuclear Power Plant (FDNPP). We developed the remote radiation imaging system consisting of a Compton camera and a multicopter drone to remotely measure the radioactive contamination on the several radioactive fields in the environment and inside the building of nuclear facilities such as the FDNPP. The drone system succeeded in the observation of several hotspots from the sky at the outdoor environments in coastal areas of Fukushima, Japan. In addition, we are now developing the SLAM technology for remotely operated machines such as the drone to complete the remote radiation imaging system, which can autonomous flight.
川端 邦明; 谷藤 祐太; 毛利 文昭; 白崎 令人
Proceedings of 2017 International Congress on Advances in Nuclear Power Plants (ICAPP 2017) (CD-ROM), 4 Pages, 2017/04
本論文では、原子力緊急時対応および廃炉作業にもちられる遠隔操作ロボットの性能評価とオペレータ訓練のための試験法に開発について述べる。代表的なロボットの作業に対して時間解析を行い、作業効率の関連から環境要因について検証を行った。これらの検証事項にもとづいて、試験場モジュールをいくつか試作し、テストを行った。
谷藤 祐太; 川端 邦明
no journal, ,
In this presentation, we report fundamental investigation on the identification of the object in Nuclear Facilities using the deep learning based on the data measured by a laser scanner.
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。
