Quatitative evaluation of pipe wall thinnings utilizing the combination of guided inspections and artificial intelligence

利用引导检查和人工智能相结合对管壁减薄进行定量评估

• 批准号: 21K03750
• 负责人: 西野 秀郎
• 金额: $ 2.58万
• 依托单位: The University of Tokushima
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03750/
• 关键词: ガイド波; 人工知能; 減肉評価; 深層ニューラルネットワーク; 畳み込みニューラルネットワーク; AI; 非破壊検査; 超音波; ディープラーニング

本手法は，多周波のガイド波の減肉反射率を入力とする深層ニューラルネットワーク(DNN)により当該減肉の減肉深さを推定する手法を提案し，検証するものである。本年度は，基礎的な手法に関しての論文作成を開始している。2023年度前半中には投稿予定。本年度の新規事項としては大きく3点を実施した。1つ目は化学プラントにおける実機減肉3点に対して本手法を適用した。その結果，0.5mm許容誤差においてすべて正答することができている。これらの実施においては，要素技術としてガイド波の指向性制御を可能とするデジタル信号処理方法を提案している。アクティブ信号処理の一種である。新規2つ目として，これまでの全結合層により形成された深層ニューラルネットワークに加え，畳み込みニューラルネットワーク(CNN)による手法を提案実施している。本手法では入力層には時間周波数信号を２次元データとして与える全く新しい方法である。本手法を用いることで，従来のDNNによる手法に比べ，若干であるが正答率の向上(概ね85%程度から90%程度への向上)が確認できている。入力層への情報量の増大が大きく寄与していると考えている。3点目の新規事項は，出力層の分類数の増加を実現可能としたことである。教師あり人工知能では，必要十分な学習データの確保が，その精度や完成度に直結することは明白である。本提案の手法は，学習データに実験に頼らずとも大量の学習データを作成可能な手法としてガイド波の減肉反射率を計算できる数学モデルを用いている。このことは，短時間で大量の学習データ作成が可能であることを示している。一般にAI出力の分類数の増大には，増大に見合った学習データの増大が必要になる。本手法はこのことを可能とする。これらの実現を行なっている。

This gimmick は, more frequency の ガ イ ド wave の flesh reflectivity を reduction in force と す る deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク (within DNN) に よ り when the の meat and meat deep reduction さ を presumption す る を proposal し, 検 card す る も の で あ る. This year, な, the basic な techniques に are related to the <s:1> paper completion を, starting from る て る る. For the first half of 2023, に に submissions will be confirmed. This year, there are three new regulations: と て て と major く く three points を implementation た. 1. Youdaoplaceholder0 objective chemical プラ トにおける physical weight reduction 3 points に for <s:1> て this technique を is applicable to <s:1> た. As a result, the 0.5mm tolerance error にお てすべて てすべて positive answer する て とがで て て る る. こ れ ら の be applied に お い て は, element technology と し て ガ イ ド wave suppression の directivity を may と す る デ ジ タ ル signal 処 principle proposed method を し て い る. Youdaoplaceholder0 ティブ ティブ signal processing ア a である. New rules 2 つ と し て, こ れ ま で の full binding layer に よ り form さ れ た deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク に え, 畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク (CNN) に よ る gimmick を proposal be applied し て い る. This technique で は layer into force に は time cycle for signal を 2 dimensional デ ー タ と し て and え る く all new し い method で あ る. This technique を い る こ と で, 従 to の within DNN に よ る に than べ approach, several で あ る が の is a rate up (almost 85% ね degree か ら 90% degree へ の upward) が confirm で き て い る. The input layer へ the amount of <s:1> intelligence <e:1> increases が a large く く is sent to <s:1> て ると ると for examination えて る る. The new regulations of the 3-point table of items, the increase in the number of output layer <s:1> classifications <e:1> を practical possibility と た た とである. Teachers あ り artificial can know で は, need to study very な デ ー タ の ensure が そ の precision や completion に straight knot す る こ と は understand で あ る. This proposal の は, learning デ ー タ に be 験 に 頼 ら ず と も large の learning デ ー タ を made possible な gimmick と し て ガ イ ド wave の less meat reflectivity を で き る mathematical モ デ ル を with い て い る. で こ の こ と は, a short time a large number of study の デ ー タ made が may で あ る こ と を shown し て い る. Generally, the output of にAI increases as the number of <s:1> classifications <e:1> increases through に になる, and the increase through に can be seen in the combination of った learning, デ, and タ. The increase through が is necessary for になる. The technique of this method is とする とする とを とを possibly とする. Youdaoplaceholder2 れら れら れら instantiated the を line なって る る.

项目成果

減肉部での多重反射を考慮した減肉反射数学モデルと断面欠損率が大きな場合への適用性

考虑减薄部位多次反射的减薄反射数学模型及其对大截面损失率情况的适用性

• 发表时间: 2022
• 作者: Bartz;M.;King;G.E.;Herman;F.;Anderson;L.S.;Sueoka;S.;Tsukamoto;S. and Tagami;T.;末岡 茂・河上哲生・鈴木康太・鏡味沙耶・横山立憲・芝崎文一郎・長田充弘・山崎あゆ・東野文子・King G.E.・塚本すみ子・Herman F.・田上高広;安藤寿男・河又みさき・横山芳春;川上太郎，石川真志，五家基樹，西野秀郎
• 通讯作者: 川上太郎，石川真志，五家基樹，西野秀郎

モルタルが付加された鋼板の SH 板波系ガイド波の伝搬挙動

添加砂浆钢板SH板波系导波传播行为

• 发表时间: 2022
• 作者: 牛込良海;Narita Camboulives Louis;青柳吉輝;加藤太一・中島保寿・木村由莉・鈴木千里・安藤寿男;福應敦子，坂上賢一;西川丈瑠，石川真志，西野秀郎，古川敬
• 通讯作者: 西川丈瑠，石川真志，西野秀郎，古川敬

Quantitative evaluation of wall thinning of piping using deep neural network based on the frequency variation of the T(0,1) mode guided wave reflection coefficient

基于T(0,1)模导波反射系数频率变化的深度神经网络管道壁减薄定量评价

• 发表时间: 2021
• 作者: 勝間隆仁，平野光暉，五家基樹，石川真志;西野秀郎
• 通讯作者: 西野秀郎

T(0,1) modeガイド波の時間周波数領域信号を用いたCNNによる減肉深さ推定

利用T(0,1)模导波的时频域信号通过CNN估计细化深度

• 发表时间: 2023
• 作者: 呉高天;青柳吉輝;安藤寿男;平野光暉，多田康輝，石川真志，西野秀郎，五家基樹
• 通讯作者: 平野光暉，多田康輝，石川真志，西野秀郎，五家基樹

ガイド波時間波形を入力とする深層ニューラルネットワークを用いた減肉の位置と深さの同時推定

使用导波时间波形作为输入的深度神经网络同时估计稀疏的位置和深度

• 发表时间: 2022
• 作者: 吉田優香;有川秀一;多田康輝，平野光暉，石川真志，五家基樹，西野秀郎
• 通讯作者: 多田康輝，平野光暉，石川真志，五家基樹，西野秀郎