用于辅助监视核反应堆的元件的方法和电子设备、相关的计算机程序及相关的系统与流程

1.本发明涉及一种用于辅助监视核反应堆的元件的方法，该方法由电子设备实施。
2.本发明还涉及一种包括软件指令的计算机程序，所述软件指令在由计算机执行时实施用于辅助监视的这种方法。
3.本发明还涉及一种用于辅助监视的电子设备、以及一种用于辅助监视核反应堆的元件的电子系统，该电子系统包括被配置用于拍摄核反应堆的元件的至少一个图像的图像传感器、以及连接到图像传感器的用于辅助监视的这种设备。
4.本发明然后涉及核反应堆的监视领域，以便增加反应堆的操作安全性并限制事故的风险。本发明特别地涉及使用人工智能算法监视核反应堆，以便于操作者的监视，并且特别是减少操作者的认知负荷。


背景技术：

5.文献us2017/0343481a1公开了一种用于远程检查核电厂的部件(特别是用于检测表面裂纹)的方法。上述文献指出自动裂纹检测算法的使用改善了检查的速度并降低了人为错误的风险，并且大多数现有的自动裂纹检测算法基于边缘检测、阈值处理或此外形态学操作。然后，该文献提出了一种机器学习分类器，其被配置用于分析表面纹理数据并且用于检测图像上所示的表面的区域中的表面纹理的特征，具有跟踪在图像上检测到的表面纹理特征的运动的能力，以便产生跟踪数据。分类器通常是支持向量机，也用svm表示。然后，分类器适于为检测到的表面纹理的特征预测适当的标签，诸如“破裂”或“未破裂”。
6.然而，这样的过程需要对于分类器进行特别复杂的学习，因为通过手动裁剪4153个未破裂图像(其不包含裂缝)和611个破裂图像(其包含裂缝)来训练分类器，一些裂缝图像进一步经历22.5
°
、45
°
或76.5
°
的旋转，以便训练分类器根据不同的取向检测裂缝。


技术实现要素：

7.然后，本发明的目的是提出一种用于辅助监视核反应堆的元件的方法，该方法特别是在人工智能算法的训练期间实施起来将更容易。
8.为此目的，本发明的主题是一种用于辅助监视核反应堆的元件的方法，该方法由电子设备实施并且包括以下步骤：
[0009]-训练人工智能算法；
[0010]-获取所述核反应堆的所述元件的图像；
[0011]-根据获取的图像并且经由所述人工智能算法来估计存在所述元件的至少一个故障；
[0012]-显示所述核反应堆的所述元件的所述图像；以及
[0013]-如果估计存在至少一个故障，则生成警告；
[0014]
在估计步骤期间，人工智能算法的输入是包含核反应堆的所述元件的区域的图
像，并且人工智能算法的输出是对于所述区域所述元件没有故障的置信度水平；
[0015]
如果置信度水平低于预定阈值，则估计存在至少一个故障；以及
[0016]
在所述训练步骤期间，仅将无故障元件的图像提供给所述人工智能算法的所述输入。
[0017]
因此，利用根据本发明的用于辅助监视的方法，人工智能算法可以直接为其图像已经作为输入被提供给人工智能算法的每个区域提供关于核反应堆的元件的故障的不存在的置信度水平。然后直接根据所计算的置信度水平估计存在或不存在核反应堆的元件的故障，并且如果置信度水平低于预定阈值，则估计故障存在。
[0018]
此外，根据本发明，人工智能算法仅基于没有任何故障的核反应堆的元件的图像(即元件没有故障的图像)来训练。
[0019]
然后，这种学习使得可以省去故障库，这在核反应堆的元件的情况下是特别感兴趣的，对于核反应堆的元件，故障相对罕见。
[0020]
此外，即使对于尚未识别的故障，用于辅助监视的这种方法仍然有效。实际上，用于辅助监视的方法旨在通过人工智能算法并以最大可能的精度确定不存在故障的区域，并且当针对给定区域估计存在故障时生成警告。上述内容允许负责监视的操作者主要专注于一个或多个可疑区域，以便更容易地检测可能的故障。
[0021]
警告例如是视觉警告，其中特定颜色的覆盖图叠加显示在可疑区域的图像上，诸如旨在吸引操作者的注意的红色覆盖图；和/或通常与可疑区域的显示同步的听觉警告。
[0022]
根据本发明的其他有利方面，用于辅助监视的方法包括单独地或根据所有技术上可能的组合采用的以下特征中的一个或多个：
[0023]-所述人工智能算法包括人工神经网络；
[0024]-所述核反应堆的所述元件是核反应堆的初级回路的元件；
[0025]
所述核反应堆的所述元件优选地选自由以下各项组成的组：所述核反应堆堆芯的一部分、一组一个/多个燃料组件的一部分以及所述核反应堆容器的一部分；
[0026]-如果所述置信度水平低于第一预定阈值，则生成第一警告，和/或如果所述置信度水平低于第二预定阈值，则生成第二警告，所述第二警告大于所述第一警告，并且所述第二预定阈值严格低于所述第一预定阈值；
[0027]-获取图像包括多个不同的区域，并且在所述估计步骤期间，针对所述区域中的每个区域估计相应的置信度水平；
[0028]-所述方法还包括与所述训练步骤不同的确定所述预定阈值或每个预定阈值的步骤，
[0029]
在所述确定步骤期间，所述预定阈值或每个预定阈值优选地根据由所述人工智能算法计算的并且针对具有故障的所述元件的图像的至少一个置信度水平来确定；
[0030]-所述警告是视觉警告；
[0031]
视觉警告优选地是旨在用于叠加显示在核反应堆的所述元件的图像上的覆盖物和/或符号的形式；以及
[0032]-所述警告是听觉警告。
[0033]
本发明的另一主题涉及一种包括软件指令的计算机程序，所述软件指令在由计算机执行时实施如上文所定义的用于辅助监视的方法。
[0034]
本发明的另一主题涉及一种用于辅助监视核反应堆的元件的电子设备，所述设备包括：
[0035]-训练模块，所述训练模块被配置用于训练人工智能算法；
[0036]-获取模块，所述获取模块被配置用于获取所述核反应堆的所述元件的图像；
[0037]-估计模块，所述估计模块被配置用于根据获取的图像并且经由所述人工智能算法来估计存在所述元件的至少一个故障；
[0038]-显示模块，所述显示模块被配置用于显示所述核反应堆的所述元件的图像；以及
[0039]-生成模块，所述生成模块被配置用于：如果估计存在至少一个故障，则生成警告；
[0040]
来自所述人工智能算法的输入是包含所述核反应堆的所述元件的区域的图像，并且来自所述人工智能算法的输出是关于所述区域中在所述元件上不存在故障的置信度水平；
[0041]
所述估计模块被配置用于：如果所述置信度水平低于预定阈值，则估计存在至少一个故障；以及
[0042]
为了训练所述人工智能算法，所述训练模块被配置用于仅向所述人工智能算法的所述输入提供没有任何故障的所述元件的图像。
[0043]
本发明的另一主题涉及一种用于辅助监视核反应堆的元件的电子系统，所述系统包括：
[0044]-图像传感器，所述图像传感器被配置用于拍摄所述核反应堆的所述元件的至少一个图像；以及
[0045]-电子设备，所述电子设备用于辅助监视所述核反应堆的所述元件，所述电子设备连接到所述图像传感器；
[0046]
所述设备是如上文所定义的。
附图说明
[0047]
在阅读仅作为非限制性示例给出并且参考附图进行的以下描述时，本发明的这些特征和优点将变得更清楚，其中：
[0048]-图1是示出核反应堆(诸如加压水核反应堆)的示意图；
[0049]-图2是图1所示的反应堆堆芯的燃料组件的示意图；
[0050]-图3是根据本发明的用于辅助监视图1所示的核反应堆的元件的电子系统、用于辅助监视的系统包括适于拍摄所述元件的至少一个图像的图像传感器以及连接到图像传感器的用于辅助监视的电子设备的示意性表示；
[0051]-图4是根据本发明的用于辅助监视图1所示的核反应堆的元件的方法的组织图，该方法由图3所示的电子设备实施；
[0052]-图5是由图3所示的图像传感器拍摄的两个图像的示例，第一图像表示没有任何故障的元件，并且第二图像表示具有故障的元件；
[0053]-图6是在图4所示的方法的实施之后并且基于图5所示的图像可以由图3所示的用于辅助监视的设备显示的图像的示意性表示；
[0054]-图7是与图5所示的视图类似的针对图1所示的核反应堆的另一元件的视图；
[0055]-图8是与图6所示的视图类似的针对所述另一元件的视图。
具体实施方式
[0056]
在图1中，如本身已知的，加压水核反应堆1包括堆芯2、蒸汽发生器3、耦合到发电机5的涡轮机4和冷凝器6。
[0057]
核反应堆1包括配备有泵9的初级回路8，并且其中加压水沿着图1中箭头所示的路径流动。特别地，水上升通过堆芯2以在其中再加热，从而确保堆芯2的冷却。
[0058]
初级回路8还包括用于对在初级回路8中循环的水加压的加压器10。
[0059]
来自初级回路8的水还供应蒸汽发生器3，在蒸汽发生器3中水被冷却，同时提供在次级回路12中循环的水的蒸发。
[0060]
由蒸汽发生器3产生的蒸汽由次级回路12引导到涡轮机4并且然后引导到冷凝器6，在冷凝器6中蒸汽通过与循环通过冷凝器6的冷却水的间接热交换而冷凝。
[0061]
次级回路12包括在冷凝器6的下游的泵13和加热器14。
[0062]
通常，堆芯2包括根据装载安排装载到容器18中的燃料组件16。在图1中示出了单个组件16，但是堆芯2包括例如157个组件16。
[0063]
反应堆1包括控制群组20，控制群组20在容器18中布置在某些燃料组件16上方。在图1中仅示出了一个控制群组20，但是堆芯2包括例如六十个控制群组20。
[0064]
控制群组20可以通过机构22移动，以便插入到机构悬垂的燃料组件16中。通常，每个控制群组20包括棒，并且其中的某些棒包括中子吸收材料。因此，每个控制群组20的竖直移位用于调整反应堆1的反应性，并且根据控制群组20穿透到燃料组件16中来允许由堆芯2供应的总功率的变化。
[0065]
如图2所示，每个燃料组件16通常包括燃料棒23的阵列和用于支撑燃料棒23的骨架组件24。
[0066]
骨架组件24通常包括下端部件25、上端部件26、引导管系统27，引导管系统27连接两个端部件25和26并且旨在用于接收控制组20的棒并用于定位格栅28，格栅28形成用于定位燃料棒23的阵列和引导管系统27的间隔件。
[0067]
在图3中，用于辅助监视核反应堆1的元件的电子系统30包括用于核反应堆的元件的(一个或多个)图像的传感器35、输入/输出装置36和显示屏38。
[0068]
用于辅助监视的系统30还包括用于辅助监视核反应堆的元件的电子设备40，所述设备40连接到图像传感器35、输入/输出装置36和显示屏38。
[0069]
适于经由用于辅助监视的系统30并且特别是用于辅助监视的设备40来监视的核反应堆的元件通常是初级回路8的元件。适于监视的核反应堆的元件例如选自由以下组成的组：核反应堆1的堆芯2的一部分、一组燃料组件16的一部分以及核反应堆1的容器18的一部分。
[0070]
图像传感器35然后例如布置在容器18内部，以便拍摄燃料组件16的图像，或还拍摄容器18的一个或多个内部部分的图像。
[0071]
图像传感器35通常布置在例如机器人载体、潜艇载体的工具上；或在杆上；或在用于从燃料组件16装载燃料的机器上。
[0072]
然后，图像传感器35通常被配置用于执行核反应堆1的元件(特别是其初级回路8)的原位远程视觉检查。
[0073]
然后，图像传感器35被配置用于拍摄核反应堆的元件的至少一个图像。图像传感
器35本身是已知的。
[0074]
用于辅助监视的设备40包括用于获取核反应堆的元件的图像的模块42；用于根据获取图像并且经由人工智能算法来估计存在元件的至少一个故障的模块44；用于显示核反应堆的元件的图像的模块46；以及用于在估计存在至少一个故障的情况下生成警告的模块48。
[0075]
用于辅助监视的设备40还包括用于训练人工智能算法的模块50。
[0076]
作为可选附加，用于辅助监视的设备40包括用于确定预定阈值的模块52，该预定阈值用于估计存在元件上的至少一个故障。
[0077]
在图3所示的示例中，用于辅助监视的电子设备40包括信息处理单元60，该信息处理单元60包括例如存储器62和与存储器62相关联的处理器64。
[0078]
在图3所示的示例中，获取模块42、估计模块44、显示模块58和训练模块50以及作为可选附加的确定模块52均以可以由处理器64执行的软件程序或软件块的形式产生。用于辅助监视的设备40的存储器62然后适于存储用于获取核反应堆的元件的图像的软件；用于根据获取图像并且经由人工智能算法来估计存在元件上的至少一个故障的软件；用于显示核反应堆的元件的图像的软件；用于在估计存在至少一个故障的情况下生成警告的软件；以及用于训练人工智能算法的软件。作为可选附加，用于辅助监视的电子设备40的存储器62还适于存储用于确定预定阈值或每个预定阈值的软件。然后，处理器64适于执行获取软件程序、估计软件程序、生成软件程序和训练软件程序以及作为可选附加的确定程序中的每个软件程序。
[0079]
在变型(未示出)中，获取模块42、估计模块44、显示模块46、生成模块48和训练模块50以及作为可选附加的确定模块52均以可编程逻辑部件(诸如fpga(现场可编程门阵列))的形式产生，或进一步以专用的集成电路(诸如asic(专用集成电路))的形式产生。
[0080]
当用于辅助监视的电子设备40以一个或多个软件程序的形式(即以计算机程序的形式)产生时，该电子设备40还适于记录在计算机可读介质(未示出)上。计算机可读介质例如是适于存储电子指令并耦合到计算机系统的总线的介质。作为示例，可读介质是光盘、磁盘、rom存储器、ram存储器、任何类型的非易失性存储器(例如eprom、eeprom、闪存、nvram)、磁卡或光卡。包含软件指令的计算机程序然后存储在可读介质上。
[0081]
获取模块42被配置用于从图像传感器35获取核反应堆的元件的至少一个图像，所述元件例如是堆芯2的一部分、该组燃料组件16的一部分、或此外容器18的一部分。
[0082]
获取模块42优选地被配置用于获取核反应堆1的所述元件的连续图像，并且然后将图像逐渐发送到估计模块44。
[0083]
估计模块44被配置用于根据每个相应的获取图像并且经由人工智能算法来估计存在元件的至少一个故障；即，被配置用于估计所述元件是否可能具有至少一个故障。
[0084]
根据本发明，人工智能算法的输入是包含核反应堆的元件的区域的图像，并且人工智能算法的输出是关于所述区域的元件不存在故障的置信度水平，即对于所述区域该元件没有故障的置信度水平。
[0085]
估计模块44然后被配置用于当置信度水平低于预定阈值时估计存在至少一个故障。换句话说，如果在人工智能算法的输出处提供的置信度水平小于所述预定阈值，则估计模块44被配置用于估计存在至少一个故障。作为推论，估计模块44被配置用于如果所述置
信度水平大于或等于所述预定阈值，则估计对于所述区域该元件不存在故障。
[0086]
另外，当获取模块42被配置用于获取所考虑的元件的连续图像时，那么为了将图像连续地发送到估计模块44，估计模块44被配置用于根据每个相应图像并且经由人工智能算法连续地估计存在每个相应图像的元件的至少一个故障，人工智能算法提供关于每个相应图像的故障不存在的置信度水平。
[0087]
作为可选附加，获取图像包括多个不同的区域，并且估计模块44然后被配置用于计算所述区域中的每个区域的相应置信度水平。
[0088]
根据可选附加，估计模块44被配置用于例如将获取图像裁剪成多个裁剪图像，每个裁剪图像对应于相应区域，并且然后将对应于相应区域的每个裁剪图像作为输入供应给人工智能算法，并且在人工智能算法的输出处恢复与每个裁剪图像相关联(即，对应于每个相应区域)的置信度水平。以这种方式，可以为每个区域显示不同的置信度水平，如在图6所示的示例中可以看到的。
[0089]
人工智能算法通常是自动编码器算法、或基于(一个或多个)人工神经网络的算法，诸如基于(一个或多个)人工神经网络的无监督学习算法。
[0090]
人工智能算法包括例如人工神经网络，诸如具有反向传播的多覆盖网络。人工智能算法优选地是所述人工神经网络。
[0091]
显示模块46被配置用于例如在显示屏38上显示元件的图像。
[0092]
另外，当由生成模块48生成相应的警告并且所述警告是视觉警告时，显示模块46还被配置用于例如也在显示屏38上显示所述视觉警告。
[0093]
生成模块48被配置用于如果估计存在至少一个故障则生成相应的警告。换句话说，如果估计模块44已经估计元件上存在至少一个故障，则生成模块48被配置用于生成与存在至少一个故障的估计相对应的警告。特别地，如果关于相应区域不存在故障的置信度水平被计算为低于预定阈值，则生成模块48被配置用于生成针对所述区域的警告。
[0094]
作为可选附加，生成模块48被配置用于如果置信度水平低于第一预定阈值，则生成第一警告，和/或如果置信度水平低于第二预定阈值，则生成第二警告，第二警告大于第一警告，即具有比第一警告的强度更大的强度，并且第二预定阈值严格低于第一预定阈值。
[0095]
警告或在第一和第二警告的情况下的每个警告例如是视觉警告。根据本示例，视觉警告优选地是彩色覆盖图(诸如在图6中可见的覆盖图c2)和/或符号(诸如在图6中也可见的符号s2)的形式。视觉警告通常旨在用于叠加显示在核反应堆的元件的图像上。
[0096]
根据具有第一和第二警告的上述附加，第二视觉警告具有比第一视觉警告更尖锐的音调，以便将操作者的注意力比第一警告更多地吸引到第二警告。
[0097]
在变型中，由生成模块48生成的警告是听觉警告。根据这种变型，第二听觉警告具有比第一听觉警告的强度更大的强度。然后，第二听觉警告通常具有比第一听觉警告的声级更高的声级和/或比第一听觉警告的频率更高的频率，以便具有更尖锐的音调，并且从而更多地吸引操作者的注意力。
[0098]
训练模块50被配置用于训练由估计模块44使用的人工智能算法。特别地，训练模块50被配置用于向人工智能算法提供输入数据和对应的输出数据，以便对算法进行训练。
[0099]
根据本发明，为了训练人工智能算法，训练模块50被配置用于仅向所述人工智能算法的输入提供没有任何缺陷的元件的图像。换句话说，训练模块50被配置用于训练所述
人工智能算法以非常高的精度识别没有任何缺陷的元件的图像，并且然后向这些图像分配接近100％的置信度水平，诸如大于95％并且更优选地大于99％的置信度水平。
[0100]
作为可选附加，确定模块52被配置用于确定预定阈值或每个预定阈值，并且与训练模块50不同。
[0101]
确定模块52例如被配置用于根据由人工智能算法计算的并且针对具有故障的所述元件的图像的至少一个置信度水平来确定预定阈值，或在第一预定阈值和第二预定阈值的情况下进一步确定每个预定阈值。换句话说，确定模块52被配置用于经由估计模块44获得与对应元件上的故障的存在相对应的至少一个置信水平，并且然后用于根据在存在故障的情况下的置信水平来确定阈值或每个阈值。
[0102]
确定模块52被配置用于例如将预定阈值确定为等于在存在故障的情况下针对所述元件获得的置信度水平与对应于明确不存在任何故障的等于100％的置信度水平之间的平均值。
[0103]
当确定模块52被配置用于确定第一预定阈值和第二预定阈值时，第一预定阈值例如等于在存在缺陷的情况下针对元件获得的置信度水平与对应于明确不存在缺陷的等于100％的置信度水平之间的第一加权平均值；以及利用也在存在缺陷的情况下的所述置信度水平与不存在任何缺陷的情况下的置信度水平等于100％之间的第二加权平均值确定所述第二预定阈值，并且与在存在缺陷的情况下的置信度水平相关联的用于所述第二加权平均值的加权系数大于用于所述第一加权平均值的置信度水平。
[0104]
现在将参考图4描述用于辅助监视的系统30并且特别地用于辅助监视的设备40的操作，图4表示用于辅助监视核反应堆1的元件的方法的流程图，该方法由用于辅助监视的电子设备40实施。
[0105]
辅助监视的方法包括初始阶段100，随后是操作阶段110，在操作阶段110期间，对一个或多个连续获取图像执行监视。
[0106]
初始阶段100包括训练步骤120，在训练步骤120期间，训练模块50训练人工智能算法以针对对应于包括核反应堆的元件的不同区域的不同图像计算关于不存在元件的任何故障的置信度水平。
[0107]
根据本发明，在训练步骤120期间，仅没有任何故障的元件的图像由训练模块50供应给人工智能算法的输入，然后具有接近100％的对应置信度水平，诸如大于99％的置信度水平。
[0108]
在学习步骤120结束的时候，在与训练步骤120不同的后续步骤130中，确定模块52在仅使用一个预定阈值的情况下确定预定阈值，或在第一和第二预定阈值的情况下确定每个预定阈值。在确定步骤130期间，确定模块52根据由人工智能算法计算的并且针对具有故障的所述元件的图像的至少一个置信度水平来确定例如预定阈值或每个预定阈值，如上文所述。
[0109]
在初始阶段100结束的时候，用于辅助监视的方法包括操作阶段110，该操作阶段110首先包括通过获取模块42获取核反应堆1的元件的图像的步骤140。获取模块42通常从定期拍摄所述元件的图像的(一个或多个)图像传感器35获取图像。
[0110]
然后，用于辅助监视的方法移动到下一步骤150，在步骤150期间，估计模块44根据获取的图像并且经由先前训练的人工智能算法来估计存在在获取的图像上示出的核反应
堆1的元件的至少一个故障。
[0111]
在估计步骤150期间，获取图像特别地表示包括核反应堆的元件的区域，并且估计模块44然后经由人工智能算法计算关于所述区域的元件不存在故障的置信度水平，并且然后根据所计算的置信度水平估计是否存在(一个或多个)任何故障。通常，如果置信度水平低于预定阈值、或低于第一和第二预定阈值中的一个，则估计模块44估计对于所述区域存在至少一个故障。
[0112]
作为可选附加，当获取图像包括多个不同的区域时，估计模块44针对所述区域中的每个区域计算相应的置信度水平，并且然后针对所述区域中的每个区域估计在元件上是否存在至少一个故障。
[0113]
然后，用于辅助监视的设备40在步骤160期间经由其显示模块46显示核反应堆1的元件的图像。
[0114]
并行地，或甚至在显示步骤160之前，用于辅助监视的设备40在步骤170期间经由其生成模块48并且如果估计存在至少一个故障，则生成针对估计存在的至少一个故障的对应警告。
[0115]
警告通常是视觉警告，诸如彩色覆盖图c2和/或符号s2，并且然后在显示步骤160期间叠加显示在核反应堆1的元件的图像上。
[0116]
在变型中或另外地，警告是听觉警告，其优选地在步骤160期间与显示核反应堆1的对应元件的图像的同时发出。
[0117]
在图5和图6所示的示例中，核反应堆1的元件是所述核反应堆1的堆芯2的一部分，并且图5示出了两个获取图像，即示出没有故障的第一获取图像200和示出故障d的第二图像250。
[0118]
然后，图6示出了在显示步骤160期间显示的图像，即不包括视觉警告的第一显示图像300和具有由于故障d引起的视觉警告的第二显示图像350。
[0119]
然后，第一显示图像300对应于添加有第一覆盖图c1以及第一符号s1的叠加的第一获取图像200。第一覆盖图c1和/或第一符号s1向操作者提供关于估计的不存在故障的附加信息。第一覆盖图c1例如是绿色的，并且在图6上的灰度图像上所示的示例中以白点云的形式表示。例如，当估计模块44先前已经估计了这种不存在任何故障时，关于不存在任何故障的附加信息由生成模块48生成，并且从而使操作者能够甚至更快速地检测这种不存在故障。第一符号s1例如是由估计模块44计算的置信度水平的值，并且通常是表示为百分比的值，诸如在图6所示的示例中为99.99％。
[0120]
第二显示图像350包括根据由估计模块44作出的对应估计的两个不同的区域，即，估计模块44已经估计不存在故障并且然后包括第一覆盖图c1和第一符号s1的第一区域；以及与第一区域不同并且包括故障d的第二区域。在图6所示的示例中，与第二区域相对应的警告然后在步骤170期间由生成模块48生成，并且是第二覆盖图c2和/或第二符号s2的形式。第二覆盖图c2对应于例如红色覆盖图，并且在图6所示的示例中以灰度图像方式被表示为白色阴影线，并且第二符号s2对应于以百分比表示的置信度水平，例如，在图6所示的示例中为75％。
[0121]
当生成模块48适于生成多个警告(诸如与第一预定阈值和第二预定阈值相关联的第一警告和第二警告)并且警告是视觉警告时，与第一警告相关联的彩色覆盖图例如是橙
色，并且与第二警告相关联的彩色覆盖图例如是红色，以便将操作者的注意力比第一警告更多地吸引到第二警告。
[0122]
在图7和图8所示的示例中，核反应堆1的元件是一组燃料组件16的一部分，并且图7表示两个获取图像，即示出没有故障的第三获取图像400和示出相应故障d的第四图像450。图8然后示出在显示步骤160期间显示的图像，即不包括视觉警告的第三显示图像500和示出由于故障d引起的视觉警告的第四显示图像550。
[0123]
如图7中可见的第三和第四获取图像400、450均表示燃料棒23的阵列和形成用于定位燃料棒23的阵列的间隔件的相应栅格28的侧视图。
[0124]
然后，第三显示图像500对应于添加有相应的第一覆盖图c1和相应的第一符号s1的叠加的第三获取图像400。第一覆盖图c1和/或第一符号s1向操作者提供关于估计的不存在故障的附加信息。第一覆盖图c1例如是绿色的，并且在图8上的灰度图像上所示的示例中以白点云的形式表示。例如，当估计模块44先前已经估计了这种不存在任何故障时，关于不存在任何故障的附加信息由生成模块48生成，并且从而使操作者能够甚至更快速地检测这种不存在故障。第一符号s1例如是由估计模块44计算的置信度水平的值，并且通常是表示为百分比的值，诸如在图8所示的示例中为99.99％。
[0125]
第四显示图像550包括根据由估计模块44作出的对应估计的两个不同的区域，即，估计模块44已经估计不存在故障并且然后包括第一覆盖图c1和第一符号s1的第一区域；以及与第一区域不同并且包括故障d的第二区域。在图8所示的示例中，与第二区域相对应的警告然后在步骤170期间由生成模块48生成，并且是第二覆盖图c2和/或第二符号s2的形式。第二覆盖图c2对应于例如红色覆盖图，并且在图6所示的示例中以灰度图像方式被表示为白色阴影线，并且第二符号s2对应于表示为百分比的置信度水平，例如，在图8所示的示例中为75％。
[0126]
本领域技术人员将理解，在图6和图8中用覆盖图c1、c2和/或符号s1、s2图示的呈现关于不存在或估计的存在相应故障d的信息的方式是呈现这种信息的其他示例中的非限制性示例。当然，可以想到呈现关于不存在或估计的存在相应故障d的信息的其他示例。
[0127]
因此，根据本发明的用于辅助监视的设备40和用于辅助监视的相关联方法可以用于以非常高的精度确定核反应堆1的没有任何故障的区域，这通过使用人工智能算法来实现，对于该人工智能算法，仅对没有任何故障的所述区域的图像执行学习，以便训练算法在没有任何故障的情况下提供接近100％的置信度水平并且具有这样的精度。换句话说，这种学习用于训练人工智能算法以具有比在核反应堆的监视期间查看图像的操作者所做的更高的置信度水平识别健康区域。
[0128]
此外，用于辅助监视的这种设备40即使在存在尚未识别的故障的情况下也保持有效，用于辅助监视的设备40非常快速地向操作者指示健康区域中不存在故障，并且允许操作者通过为此目的生成与估计(一个或多个)故障存在相关联的警告来专注于可疑区域。因此，操作者更容易检测到这种可疑区域中的一个或多个故障。
[0129]
因此，应当理解，用于辅助监视的设备40和用于辅助监视的相关联方法特别是在人工智能算法的训练期间实施起来更容易，同时减少操作者的认知负荷。

技术特征：
1.一种用于辅助监视核反应堆的元件的方法，所述方法由电子设备(40)实施并且包括以下步骤：-(120)训练人工智能算法；-(140)获取核反应堆(1)的所述元件的图像；-(150)根据获取的图像并且经由所述人工智能算法，来估计存在所述元件的至少一个故障；-(160)显示核反应堆(1)的所述元件的所述图像；以及-如果估计存在至少一个故障，则(170)生成警告；其特征在于，在估计步骤(150)期间，人工智能算法的输入是包含核反应堆(1)的所述元件的区域的图像，并且人工智能算法的输出是关于对于所述区域不存在所述元件的故障的置信度水平；其中，如果置信度水平低于预定阈值，则估计存在至少一个故障；以及其中，在训练步骤(120)期间，仅将没有任何故障的所述元件的图像提供给所述人工智能算法的所述输入。2.根据权利要求1所述的方法，其中所述人工智能算法包括人工神经网络。3.根据权利要求1或2所述的方法，其中核反应堆(1)的所述元件是核反应堆(1)的初级回路(8)的元件；核反应堆(1)的所述元件优选地选自由以下各项组成的组：核反应堆(1)的堆芯(2)的一部分、一组燃料组件(16)的一部分、以及核反应堆(1)的容器(18)的一部分。4.根据前述权利要求中任一项所述的方法，其中如果所述置信度水平低于第一预定阈值，则生成第一警告，和/或如果所述置信度水平低于第二预定阈值，则生成第二警告，所述第二警告大于所述第一警告，并且所述第二预定阈值严格低于所述第一预定阈值。5.根据前述权利要求中任一项所述的方法，其中获取的图像包括多个不同的区域，并且在估计步骤(150)期间，针对所述区域中的每个区域估计相应的置信度水平。6.根据前述权利要求中任一项所述的方法，其中所述方法还包括：与训练步骤(120)不同的确定所述预定阈值或每个预定阈值的步骤(130)，在确定步骤(130)期间，所述预定阈值或每个预定阈值优选地根据由所述人工智能算法计算的并且针对具有故障的所述元件的图像的至少一个置信度水平来确定。7.根据前述权利要求中任一项所述的方法，其中所述警告是视觉警告；视觉警告优选地是旨在用于叠加显示在核反应堆(1)的所述元件的图像上的覆盖物(c1、c2)和/或符号(s1、s2)的形式。8.根据前述权利要求中任一项所述的方法，其中所述警告是听觉警告。9.一种包括软件指令的计算机程序，所述软件指令在由计算机执行时实施根据前述权利要求中任一项所述的方法。10.一种用于辅助监视核反应堆(1)的元件的电子设备(40)，所述设备(40)包括：-训练模块(50)，所述训练模块(50)被配置用于训练人工智能算法；-获取模块(42)，所述获取模块(42)被配置用于获取核反应堆(1)的所述元件的图像；-估计模块(44)，所述估计模块(44)被配置用于：根据获取的图像并且经由所述人工智能算法，来估计存在所述元件的至少一个故障；
‑
显示模块(46)，所述显示模块(46)被配置用于显示所述核反应堆(1)的所述元件的图像；-生成模块(48)，所述生成模块(48)被配置用于：如果估计存在至少一个故障，则生成警告；其特征在于，所述人工智能算法的输入是包含所述核反应堆(1)的所述元件的区域的图像，并且来自所述人工智能算法的输出是关于对于所述区域不存在所述元件的任何故障的置信度水平；其中，所述估计模块(44)被配置用于：如果所述置信度水平低于预定阈值，则估计存在至少一个故障；以及其中，为了训练所述人工智能算法，所述训练模块(50)被配置用于：仅向所述人工智能算法的所述输入提供没有任何故障的所述元件的图像。11.一种用于辅助监视核反应堆(1)的元件的电子系统(30)，所述系统(30)包括：-图像传感器(35)，所述图像传感器(35)被配置用于拍摄所述核反应堆(1)的所述元件的至少一个图像；以及-电子设备(40)，所述电子设备(40)用于辅助监视所述核反应堆(1)的所述元件，所述电子设备(40)连接到所述图像传感器(35)；其特征在于，所述设备(40)是根据前述权利要求所述的电子设备(40)。

技术总结
用于辅助监视核反应堆的元件的这种方法，所述方法由电子设备实施，包括以下步骤：-(120)训练人工智能算法；-(140)获取所述元件的图像；-(150)基于所述图像并且经由所述人工智能算法来估计所述元件中是否存在故障；-(160)显示所述元件的图像；以及，-如果估计存在至少一个故障，则(170)生成警告。在估计步骤中，所述人工智能算法的输入是包括所述元件的区域的图像，并且输出是关于对于所述区域在所述元件中不存在故障的置信度水平。如果置信度水平低于阈值，则估计存在故障。在训练步骤中，仅将无故障元件的图像输入到所述人工智能算法中。法中。法中。


技术研发人员：弗兰克
受保护的技术使用者：法玛通公司
技术研发日：2021.11.18
技术公布日：2023/7/22