技術報告発電所で使用されるタービンロータ軸材（ロータ）は、製造中の内部品質を評価するために、非破壊検査の一つである超音波探傷検査（UT）が行われる。検査工程のリードタイム短縮や省人化を目的として、当社では自動UT装置を導入している。ロータ表層のUT検査において、検査員は本装置から得たB-Scan画像、およびA-Scanのエコー高さから欠陥を目視で確認するが、本作業に時間を要することが課題である。そこで本稿では、検査員の作業負荷の軽減を目的に、B-Scan画像中の欠陥を自動で検出する機械学習モデルを開発し、実機20部材を用いてその予測精度を検証した。その結果、エコー高さ40 %以上の欠陥に対する検出漏れ率は0 %、過検出率は2.4 %であり、提案手法の実機運用の目途が得られた。 Turbine rotor shafts used in power plants are subjected to ultrasonic testing (UT), a type of non-destructive testing, to evaluate their internal quality after manufacturing. We installed an automatic surface UT machine in order to shorten the lead time of the inspection process and to save manpower. When performing near surface UT of rotor shafts, the inspector visually checks for defects based on the B-scan image obtained from the machine and the echo height of the A-scan. However, this process is time-consuming. Therefore, in this paper, we developed a machine learning model to automatically detect defects in B-scan images to reduce the workload of the inspectors and verified its prediction accuracy using 20 actual rotor shafts. The detection failure rate for defects with an echo height of 40 % or greater was 0 %, and the over-detection rate was just 2.4 %. This suggests that the proposed model is operational in practice.技術報告ロータ表層のUT欠陥自動検出モデルの開発長谷川 諒*Ryo Hasegawa博士（工学） 柳沢 祐介*Dr. Yusuke Yanagisawa星 延幸**Nobuyuki Hoshi要 旨南谷 昌弘**Masahiro Minamiya（60）*：イノベーションマネジメント本部 マテリアル技術研究所/Material Technology Research Laboratory, Innovation Management Headquarters**：日本製鋼所M&E㈱ 品質管理部/Quality Control Department, Japan Steel Works M&E, Inc..ロータ表層のUT欠陥自動検出モデルの開発Development of an Automatic Defect Detection Model for Near Surface UT of Rotor ShaftsSynopsis
元のページ ../index.html#63