文献

J-GLOBAL ID：202002280108083230   整理番号：20A2246843

ニューラルネットワークに基づく原子力発電所の配管および計装図における成分検出【JST・京大機械翻訳】

Component detection in piping and instrumentation diagrams of nuclear power plants based on neural networks

著者 (3件)： Gao Wei (Department of Mechanical and Aerospace Engineering, Nuclear Engineering Program, The Ohio State University, 201 W 19th Ave, Columbus, OH, 43210, USA) ,  Zhao Yunfei (Department of Mechanical and Aerospace Engineering, Nuclear Engineering Program, The Ohio State University, 201 W 19th Ave, Columbus, OH, 43210, USA) ,  Smidts Carol (Department of Mechanical and Aerospace Engineering, Nuclear Engineering Program, The Ohio State University, 201 W 19th Ave, Columbus, OH, 43210, USA)
資料名： Progress in Nuclear Energy  (Progress in Nuclear Energy)
巻： 128  ページ： Null  発行年： 2020年 
JST資料番号： H0693A  ISSN： 0149-1970  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Piping and Instrumentation Diagram(P&ID)は,コンポーネントとその関係を記述するための最も一般的に使用される工学描画であり,それらは原子力発電所(NPP)におけるデータ解析のための最も重要な入力の1つである。従来の解析では,部品に関連する情報をP&IDから手動で抽出する。これは通常,大量の努力を採り,誤差を起こしやすい。コンピュータビジョンと深層学習の領域における急速な発展により,自動的にコンポーネントとそれらの関係を検出することができる。本論文では,NPPにおけるP&IDから,コンポーネントとそれらの同定に関する情報を自動的に抽出するために最新のニューラルネットワークモデルの使用を目的とする。P&IDsの成分を検出するために,ResNet-50と呼ばれる高速領域畳込みニューラルネットワーク(Faster RCNN)アーキテクチャを使用した。一般的な物体検出と比較して,P&IDに対する物体検出は,これらの方法に対するユニークな課題を提起する。例えば,P&IDs記号はバックグラウンドよりはるかに小さく,そのような小さなオブジェクトを検出することは,現代のニューラルネットワークのための挑戦的なタスクのままである。これらの課題に取り組むために,1)訓練データ不足の問題を効果的に解決するデータ増強のためのいくつかの技法を提案し,2)異なる特徴を持つ成分を検出するための特徴グループ化戦略を提案する。さらに,テキスト検出のためのSegLinkモデルを導入し,P&IDから成分の同定を自動的に抽出できる。また,抽出情報に基づく成分(例えば,部品が接続されるか,あるいは,1つの特定の成分の下流または上流成分)間の関係を反映するためのデータ構造を構築するための方法を開発した。このデータ構造は,プラント安全解析と運用と保全コスト最適化のためにさらに使用できる。感度解析と,他の畳込みニューラルネットワーク(CNN)との比較を行った。また,これらの解析の結果についても論じた。この解析フレームワークを商用NPPのP&IDで試験した。提案方法の性能を測定するために用いられる成分の平均精度は,約98%である。コンポーネントテキストマッピングとコンポーネントパイプマッピングの成功率は,それぞれ270/275と319/319であった。このフレームワークは一般的であり,また,非核産業のP&IDにも適用可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ構造 ,  プラント ,  保全 ,  感度解析 ,  *ニューラルネットワーク ,  データ解析 ,  コンピュータビジョン ,  安全解析 ,  計算機アーキテクチャ ,  *原子力発電所
準シソーラス用語： 神経回路網モデル ,  訓練データ ,  物体検出 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳込みニューラルネットワーク ,  オブジェクト検出 ,  P&ID ,  原子力発電所

分類 (1件)： 原子炉の計測  (MD05030L)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  原子力発電所 ,  配管 ,  計装図