Image-Based Gas-Liquid Two-Phase Flow Analysis and Feature Extraction using Deep Learning

Abstract

気液二相流は化学や原子力プラント等のあらゆる工業分野で見られる現象であり，液相と気相の流量や物性値に応じて異なる流動様式の存在が知られている．安全解析コード等に使用される二相流の基礎式の多くは気液界面形状をパラメータとした構成方程式を必要とするが，可視化実験による主観的な判定や汎用化が困難な画像処理手法，入口条件に依存した実験相関式を用いる方法が一般である．本稿では，気泡流の状態を定義する上で重要となる特徴量を瞬時に抽出可能とする技術開発に着目し，畳み込みニューラルネットをベースとした気泡検出手法を紹介する．アノテーションコスト低減のため，敵対的生成ネットワークの一つであるBubGANで生成された気泡流画像も検証し，流れ場の情報をリアルタイムに検出する手法開発を試みた．構築したネットワークから，二相流の幾何学的パラメータであるボイド率と界面積濃度の算出値を既存の相関式と比較し，その有効性を検証した．