要約
層流・乱流の流れ領域の局所化技術の多くは、専門家による手動制御に強く依存している。一方で、航空工学における翼や安定板の設計効率を分析するためには、流れ分布の特定が前提となる。近年、自動的な層流・乱流領域の局所化に向けた取り組みもなされているが、これらはまだ初期段階にあり、ノイズの多い環境下では十分な堅牢性を有していない。本研究では、現在の深層学習技術を用いて流れ領域を分離することが可能かどうかを検討する。その目的のため、連続する2つのエンコーダ・デコーダから構成される流れセグメンテーションアーキテクチャ「適応的注意バタフライネット（Adaptive Attention Butterfly Network）」を提案する。既存の自動流れ局所化手法は、主に均質的かつクリーンなデータに依拠しているが、本研究では、異なるノイズレベルにさらされた多様な赤外熱画像観測データの混合セットを用いて、提案手法の自動流れセグメンテーションにおける実効性を検証する。さらに、提案アーキテクチャの堅牢性を向上させるために、23,468件のラベルなし層流・乱流流れ観測データを活用した自己教師学習戦略を採用した。