基于半监督学习的热事件检测用于托卡马克第一壁安全
图像与视频处理
2024-01-23 v1
摘要
本文探索了一种半监督目标检测方法，用于检测托卡马克内壁上的热点。在实验运行期间，用于监测机器运行期间内部热屏蔽的红外（IR）观测系统会产生大量数据。需要处理和分析的数据量使得保护第一壁成为一项艰巨的任务。利用人工智能（AI）自动化这项工作是一个有吸引力的解决方案，但AI需要大量标记数据库，而托卡马克壁的标记数据不易获得。半监督学习（SSL）是一种可能的解决方案，能够使用少量标记数据和大量未标记数据训练深度学习模型。本文探索了SSL作为一种快速将模型从托卡马克WEST的实验活动A适应到新的实验活动B的工具，使用来自活动A的标记数据、少量来自活动B的标记数据和大量来自活动B的未标记数据。在两个标记数据集和两种方法（包括半监督学习）上评估了模型性能。根据所采用的方法，半监督学习在第一个较小规模数据库上将mAP指标提高了超过六个百分点，在第二个较大规模数据集上提高了超过四个百分点。
引用
@article{arxiv.2401.10958,
title = {Detection of Thermal Events by Semi-Supervised Learning for Tokamak First Wall Safety},
author = {Christian Staron and Hervé Le Borgne and Raphaël Mitteau and Erwan Grelier and Nicolas Allezard},
journal= {arXiv preprint arXiv:2401.10958},
year = {2024}
}