日本・京都で開催されるISOC 2026において、スラリースプレーの液滴内部に含まれる石炭粒子を対象としたAIスプレーモニタリングの新しい手法を発表します。本手法は、光学式スプレー測定、連続的な光散乱信号、ParticleTensorAI®を組み合わせたものです。これにより、複雑なスプレープロセスにおける粒子を含む液滴を解析できます。
スラリースプレーは難易度の高い多相系です。液滴と固体粒子を含み、その両方が光学信号、スプレー挙動、プロセスの安定性に影響を与えます。そのため、従来の液滴測定だけでは十分な情報が得られないことが少なくありません。
このため、AIスプレーモニタリングには大きな利点があります。複雑な光散乱信号から追加の材料情報を抽出できるうえ、粒子を含むスプレーのリアルタイム解析も可能にします。
https://publikationen.bibliothek.kit.edu/1000196272
スラリースプレー解析のためのParticleTensorAI®
ParticleTensorAI®は、連続的な検出器信号をテンソルベースのデータ形式に変換します。本研究では、検出器信号から画像のような表現を構成しました。例えば、異なる検出器チャンネルからRGB画像を作成でき、その場合は各色チャンネルが1つの光学信号ストリームを表します。
これらのParticleTensorAI®表現には、スラリースプレー液滴内部の石炭粒子の粒子径と質量濃度に関する情報が含まれています。このデータを畳み込みニューラルネットワークで解析し、AIモデルが異なる材料条件を分類します。
光学測定とAIスプレーモニタリング
測定システムは、液滴からの連続的な光散乱信号を記録します。液滴は整形された光ビームを通過し、4つの光学検出器が異なる角度で散乱光を捉えます。
その結果、システムは同期した信号ストリームを生成します。これらの信号は、液滴流と粒子に関連する特性を表します。このようにして、AIスプレーモニタリングは従来の光学式スプレー診断を拡張します。
本手法は、光散乱データのトリガーフリー評価にも対応しています。そのため、多くの従来手法よりも連続信号ストリームから多くの情報を保持できます。
スラリースプレープロセスへの応用の可能性
本手法は、スラリースプレーのモニタリング、粒子特性評価、スプレー測定技術、産業プロセス診断に新たな可能性をもたらします。本研究は石炭・モノエチレングリコールスラリースプレーを対象としていますが、このコンセプトは粒子を含む他の液体スプレーにも応用できます。
本研究は、光学測定技術と人工知能（AI）がどのように連携できるかを示しています。さらに、ParticleTensorAI®が複雑な光散乱信号からプロセスに関連する情報をリアルタイムで抽出できることを実証しています。
AI-assisted monitoring of coal particles within droplets in a coal monoethylene glycol slurry spray
要旨：石炭・モノエチレングリコールスラリースプレーにおいて、液滴内部の石炭粒子の平均粒子径と質量濃度を特性評価する新しい手法を提案します。本手法は、整形された光ビームと相互作用する個々の液滴から得られる連続的な光散乱信号の解析に基づいています。実験装置では、4つの検出器が異なる角度で散乱光を捉え、液滴流に対応する4つの独立したデータストリームを生成します。これらの信号はParticle-Tensor-AI（PTA）表現に変換され、さまざまな形式で構成できます。本研究では、検出器信号をRGB画像にマッピングし、各色チャンネルが特定の検出器を表す形式を採用しました。平均石炭粒子径と質量濃度でラベル付けしたPTAを用いて、分類タスク向けの畳み込みニューラルネットワーク（CNN）を学習させました。さまざまな検出器の組み合わせ、ダウンサンプリング手法、材料条件を検討しました。検証実験により原理的な実現可能性が示され、最大95%の予測精度が得られました。このアプローチは、トリガーフリーで情報を保持した光散乱データ解析を可能にし、石炭・モノエチレングリコールスプレーだけでなく、他の液滴流や粒子流においても高度な診断への大きな可能性を提供します。
