動画像からの特徴量抽出結果に基づいた高速3次元炉内環境モデリング(委託研究): 令和6年度英知を結集した原子力科学技術・人材育成推進事業

廃炉環境国際共同研究センター; 札幌大学*

JAEA-Review 2026-020, 81 Pages, 2026/09

JAEA-Review-2026-020.pdf:6.0MB

日本原子力研究開発機構(JAEA)廃炉環境国際共同研究センター(CLADS)では、令和元年度から英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という。)を実施している。本事業は、東京電力ホールディングス株式会社福島第一原子力発電所(1F)の廃炉等をはじめとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、さまざまな分野の知見や経験を従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究および人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、令和5年度に採択された研究課題のうち、「動画像からの特徴量抽出結果に基づいた高速3次元炉内環境モデリング」の令和6年度分の研究成果について取りまとめたものである。本研究は、1Fの廃炉に向けて、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うえで、情報量が大きい立体復元手法を選択し、作業空間を3次元モデリングする研究開発を行う。令和6年度は、シミュレーションから得られる1映像を入力として、指定された制限時間以内でより精度の高い写真測量に基づいた立体復元結果が得られる方法論を研究開発した。また、構造物のグループ化に基づく3次元モデリングアルゴリズムの開発を実施し、3次元モデリングの高速化を目的とした立体復元計算の時短化アルゴリズムの開発もあわせて行った。さらに、生成モデルを用いて動画像データに対する生成精度を定量的に評価し、時短に結びつけるためのハードウェアの構築とソフトウェアの開発を進めた。

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

平松 夏樹*; 小野 浩二*; 上澤 伸一郎; 吉田 啓之

第53回可視化情報シンポジウム講演論文集(インターネット), 3 Pages, 2026/08

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。

動画像からの特徴量抽出結果に基づいた高速3次元炉内環境モデリング(委託研究); 令和5年度英知を結集した原子力科学技術・人材育成推進事業

廃炉環境国際共同研究センター; 札幌大学*

JAEA-Review 2025-033, 71 Pages, 2025/11

JAEA-Review-2025-033.pdf:4.48MB

日本原子力研究開発機構(JAEA)廃炉環境国際共同研究センター(CLADS)では、令和5年度英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という。)を実施している。本事業は、東京電力ホールディングス株式会社福島第一原子力発電所(1F)の廃炉等をはじめとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、様々な分野の知見や経験を従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究及び人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、令和5年度に採択された研究課題のうち「動画像からの特徴量抽出結果に基づいた高速3次元炉内環境モデリング」の令和5年度分の研究成果について取りまとめたものである。本研究は、1F廃炉に向けて、原子炉格納容器及び原子炉建屋内を調査する際に撮影した動画像を入力し、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3次元モデリングする研究開発を行う。令和5年度は、写真測量、深層学習に基づいた立体復元手法による解析から、良好な立体復元を得るための有効な撮影条件を抽出する手法及び少ないデータから指定された時間までに立体復元結果を生成できるように特徴量を抽出する手法の検証を行った。さらに、動画像から抽出された点群データをセグメンテーションに適用し、インスタンスラベルが付された部品に分類した。

Deep learning-based bubble detection with Swin Transformer

上澤 伸一郎; 吉田 啓之

Journal of Nuclear Science and Technology, 61(11), p.1438 - 1452, 2024/11

https://doi.org/10.1080/00223131.2024.2348023

本研究では、重なり合う気泡の中から個々の気泡を検出・分割するために、Shifted window Transformer (Swin Transformer)を用いた深層学習ベースの気泡検出器を開発した。検出器の性能を検証するため、学習画像数を変えて平均適合率(AP)を計算した。APは、訓練画像の数が50枚以下の場合は、トレーニング画像の数の増加とともに増加したが、50枚を超える場合は一定であった。50枚以上ではSwin Transformerと一般的なCNNであるResNetのAPはほぼ同じであったが、学習画像が少ない場合はSwin TransformerのAPがResNetのAPを上回った。また、ボイド率が増加すると、Swin TransformerのAPはResNetの場合と同様の減少を示したものの、学習画像が少ない場合はSwin TransformerのAPが全てのボイド率においてResNetのAPを上回った。さらに、合成気泡画像で学習した検出器で、気泡流可視化実験の重なった気泡や変形気泡の検出が可能であることを確認した。このように、Swin Transformerを用いた新しい気泡検出器は、ResNetを用いた検出器よりも少ない学習画像で高いAPを得られることが確認された。

Development of a surrogate system of a plant dynamics simulation model and an abnormal situation identification system for nuclear power plants using deep neural networks

関 暁之; 吉川 雅紀; 西野宮 良太*; 沖田 将一朗; 高屋 茂; Yan, X.

Nuclear Technology, 210(6), p.1003 - 1014, 2024/06

https://doi.org/10.1080/00295450.2023.2273566

原子力プラントの安全な運転を支援するため、2種類のディープニューラルネットワーク(DNN)のシステムを構築した。一つは、原子力プラントの各種物理量についてシミュレーションよりも数桁少ない計算時間で推定するサロゲートシステム(SS)である。もう一つは、物理量から異常の原因となる外乱の状態を推定するシステム(ASIS)である。両システムとも、高温工学試験研究炉(HTTR)の挙動を様々なシナリオで再現することができる解析コード(ACCORD)から得られたデータを用いて学習を行った。DNNのモデルは、主要なハイパーパラメータを調整することにより構築された。これらの手順を経て、開発したシステムが高い精度で動作することを確認した。

Attention-based time series analysis for data-driven anomaly detection in nuclear power plants

Dong, F.*; Chen, S.*; 出町 和之*; 吉川 雅紀; 関 暁之; 高屋 茂

Nuclear Engineering and Design, 404, p.112161_1 - 112161_15, 2023/04

https://doi.org/10.1016/j.nucengdes.2023.112161

To ensure nuclear safety, timely and accurate anomaly detection is of utmost importance in the daily condition monitoring of Nuclear Power Plants (NPPs), as any slight anomaly in a plant may result in an irreversible and serious accident, as well as high costs of maintenance and management. Nevertheless, due to the unique inherent attributes of anomalies, the difficulty of automatic detection in NPPs is increased. Previous model-driven anomaly detection approaches required skilled priori knowledge, leading to their limited usability. Commonly adopted deep learning-based data-driven anomaly detection approaches may not easily acquire the most relevant features when dealing with sensor data containing redundant information with uneven distribution of anomalies. To alleviate these issues, this paper propose an attention-based time series model for anomaly detection to ensure safety in NPPs. First, we employ one-dimension convolutional neural network (1D-CNN) backbone for feature extraction to preserve original inherent features of time series inputs. Subsequently, we originally adopt soft-attention mechanism to automatically extract the most relevant temporal features considering the specificity of anomaly detection in NPPs. The performance of the proposed model was experimentally validated on the High Temperature Gas-cooled Reactor (HTGR) anomaly case dataset simulated using the analytical code. The experimental results indicate that the proposed model was capable of detecting anomalies in NPPs with superior performance to the baseline model, while ensuring fast detection at short time steps.

Automatic object recognition using deep learning for legacy waste treatment

吉田 幸彦

IL Nuovo Cimento, 46(2), p.33_1 - 33_8, 2023/03

https://doi.org/10.1393/ncc/i2023-23033-x

JAEA is addressing the back-end issues with the steadfast promotion of sustainable measures. The R&D plans are being rationally pursued by considering priorities based on indicators such as bottleneck issues in waste streams, relevance to WAC settings, and effectiveness of cost reduction. In addition, the future vision (JAEA 2050+) has been formulated to promote cross-disciplinary R&D through a new approach that cannot be reached by conventional methods, and active incorporation of information technologies, such as AI technologies. Currently, we are developing intelligent sensing that combines sensing and information processing technologies to realize automatic sorting technology, and non-destructive evaluation technology using high-energy X-ray CT, for legacy wastes. The core technology common to these technologies is image evaluation technology using deep learning models, which was confirmed to perform very well in the evaluation of waste object recognition.

機械学習による細分化格子に基づく二次元定常流予測

朝比 祐一; 畑山 そら*; 下川辺 隆史*; 小野寺 直幸; 長谷川 雄太; 井戸村 泰宏

計算工学講演会論文集(CD-ROM), 26, 4 Pages, 2021/05

多重解像度の定常流流れ場を符合付き距離関数から予測するConvolutional Neural networkモデルを開発した。高解像度の画像生成を可能とするネットワークPix2PixHDをパッチ化された高解像度データに適用することで、通常のPix2PixHDよりメモリ使用量を削減しつつ、高解像度流れ場の予測が可能であることを示した。

Development of a GUI-based operation system for building a 3D point cloud classifier

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.

原子力プラントの安全な運転を支援するAIシステムの開発

関 暁之; 吉川 雅紀; 沖田 将一朗; 高屋 茂; Yan, X.

no journal, , 

Using AI technology, we have developed a surrogate system to estimate various physical quantities in nuclear plants and a system to estimate the state of disturbances that cause anomalies. Both systems use deep learning technology based on a model that connects multiple layers of neurons. In this study, the estimation was performed on data from an analysis code (ACCORD) that can reproduce the behavior of the High Temperature Engineering Test Reactor (HTTR) under various scenarios. The accuracy of the estimation and the range of application of the developed system are presented.