論文の概要: Automated detection of corrosion in used nuclear fuel dry storage
canisters using residual neural networks
- arxiv url: http://arxiv.org/abs/2003.03241v3
- Date: Mon, 13 Jul 2020 16:06:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 01:03:38.620901
- Title: Automated detection of corrosion in used nuclear fuel dry storage
canisters using residual neural networks
- Title（参考訳）: 残留ニューラルネットワークを用いた使用済み核燃料乾式貯蔵用キャニスタの腐食自動検出
- Authors: Theodore Papamarkou, Hayley Guy, Bryce Kroencke, Jordan Miller,
Preston Robinette, Daniel Schultz, Jacob Hinkle, Laura Pullum, Catherine
Schuman, Jeremy Renshaw, Stylianos Chatzidakis
- Abstract要約: 本稿では,残留ニューラルネットワーク(ResNet)による腐食のリアルタイム検出を提案する。
提案手法は、核キャニスター画像を小さなタイルに分類し、これらのタイル上でResNetを訓練し、画像が腐食または無傷であると分類する。
その結果、このような深層学習手法により、より小さなタイルによる腐食の軌跡の検出が可能であり、同時に、画像が腐食したキャニスターから来るか否かを高精度に推定できることがわかった。
- 参考スコア（独自算出の注目度）: 1.5879005001715347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nondestructive evaluation methods play an important role in ensuring
component integrity and safety in many industries. Operator fatigue can play a
critical role in the reliability of such methods. This is important for
inspecting high value assets or assets with a high consequence of failure, such
as aerospace and nuclear components. Recent advances in convolution neural
networks can support and automate these inspection efforts. This paper proposes
using residual neural networks (ResNets) for real-time detection of corrosion,
including iron oxide discoloration, pitting and stress corrosion cracking, in
dry storage stainless steel canisters housing used nuclear fuel. The proposed
approach crops nuclear canister images into smaller tiles, trains a ResNet on
these tiles, and classifies images as corroded or intact using the per-image
count of tiles predicted as corroded by the ResNet. The results demonstrate
that such a deep learning approach allows to detect the locus of corrosion via
smaller tiles, and at the same time to infer with high accuracy whether an
image comes from a corroded canister. Thereby, the proposed approach holds
promise to automate and speed up nuclear fuel canister inspections, to minimize
inspection costs, and to partially replace human-conducted onsite inspections,
thus reducing radiation doses to personnel.
- Abstract（参考訳）: 非破壊的評価手法は、多くの産業においてコンポーネントの完全性と安全性を確保する上で重要な役割を果たす。
オペレータ疲労は、そのような手法の信頼性において重要な役割を果たす。
これは、航空宇宙や核コンポーネントといった失敗の結果として高い価値を持つ資産や資産を検査する上で重要である。
畳み込みニューラルネットワークの最近の進歩は、これらの検査作業を支援、自動化することができる。
本稿では,使用済み核燃料を収容するステンレス鋼キャニスタにおいて,残留ニューラルネットワーク(resnets)を用いて酸化鉄変色,孔食,応力腐食割れなどの腐食をリアルタイムに検出する手法を提案する。
提案手法では,核カニスター画像をより小さなタイルに生成し,これらのタイル上の再ネットを訓練し,再ネットによって腐食されたと予測されるタイル毎の画像数を用いて,画像を腐食または無傷と分類する。
その結果,このような深層学習手法により,より小さなタイルで腐食の軌跡を検知すると同時に,腐食したキャニスタから画像が得られたかどうかを高精度に推定できることがわかった。
そこで,提案手法では,核燃料キャニスタ検査の自動化と高速化,検査コストの最小化,人道検査の部分的に置き換え,人員への放射線線量削減が期待されている。
関連論文リスト
- CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳（メタデータ） (2023-09-22T06:12:02Z) - Monitoring MBE substrate deoxidation via RHEED image-sequence analysis
by deep learning [62.997667081978825]
本稿では,深層学習に基づくRHEED画像系列分類を用いたMBEにおけるGaAs基板脱酸化の自動監視手法を提案する。
提案手法は,機能抽出のための非教師付きオートエンコーダ(AE)と,教師付き畳み込みネットワークを組み合わせたものである。
論文 参考訳（メタデータ） (2022-10-07T10:01:06Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳（メタデータ） (2022-07-13T13:59:59Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳（メタデータ） (2022-05-16T04:24:22Z) - RustSEG -- Automated segmentation of corrosion using deep learning [0.0]
RustSEGは、トレーニングのためにピクセルごとのラベル付きデータセットを必要とせずに、自動腐食検出のための画像を正確に分割することができる。
理想的には、画像中の腐食の正確なマスクを生成することができ、画素ごとのトレーニングデータ無しで腐食の自動セグメンテーションが可能であることを示す。
論文 参考訳（メタデータ） (2022-05-11T11:48:02Z) - Engineering deep learning methods on automatic detection of damage in
infrastructure due to extreme events [0.38233569758620045]
本稿では,深層学習を用いた極端な事象における自動構造損傷検出(SDD)に関する実験的検討を行った。
最初の研究では、152層のResidual Network(ResNet)を用いて8つのSDDタスクで複数のクラスを分類する。
その結果,損傷検出の精度はセグメンテーションネットワークのみを用いた場合に比べて有意に向上した。
論文 参考訳（メタデータ） (2022-05-01T19:55:56Z) - Detecting Slag Formations with Deep Convolutional Neural Networks [0.38233569758620056]
本研究では, 2つの深部畳み込みニューラルネットワークを用いたGrate-Kiln系炉内からのスラグ生成を検出する能力について検討した。
炉内の状況は、時々カメラの視界を妨害する。
本稿では,深部畳み込みニューラルネットワークにconvLSTM層を導入することでこの問題に対処することを提案する。
論文 参考訳（メタデータ） (2021-10-13T11:13:48Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Deep Learning Based Steel Pipe Weld Defect Detection [0.0]
鋼管溶接欠陥検出分野に適用するために, 最先端の単段物検出アルゴリズム YOLOv5 を提案する。
実験の結果, 鋼管溶接欠陥検出にyolov5を適用すると精度が大幅に向上し, マルチクラス化作業が完了し, リアルタイム検出の基準を満たした。
論文 参考訳（メタデータ） (2021-04-30T11:15:13Z) - CorrDetector: A Framework for Structural Corrosion Detection from Drone
Images using Ensemble Deep Learning [2.108696645677565]
構造腐食モニタリングの領域において, 自動画像解析を応用した新しい手法を提案する。
本研究は,モデルのアンサンブルアプローチが,分類精度において最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-02-09T07:27:16Z) - BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。
我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。
我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文 参考訳（メタデータ） (2020-03-09T08:16:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。