【電子入札】【電子契約】探傷画像逆解析手法の開発に係る分析ツール改良

【電子入札】【電子契約】探傷画像逆解析手法の開発に係る分析ツール改良 次のとおり一般競争入札に付します。 1 競争参加者資格 (1) 予算決算及び会計令第70条及び第71条の規定に該当しない者であること。 (3) 上記以外の競争参加者資格等 (別紙のとおり) 2 入札書の提出期限3 入札書の郵送 4 その他 詳細は「入札説明書」による。 契 約 管 理 番 号 0802C02347一 般 競 争 入 札 公 告令和8年6月22日 財務契約部長 松本 尚也 国立研究開発法人日本原子力研究開発機構件 名 探傷画像逆解析手法の開発に係る分析ツール改良数 量 1式入 札 方 法(1)総価で行う。 (2)本件は、提出書類、入札を電子入札システムで行う。 入札説明書の交付方法 機構ホームページ(入札情報等)又は契約担当に同じ交 付 期 限 令和8年7月17日まで入 札 説 明 会日 時 及 び 場 所無 入札期限及び場所令和8年8月20日 14時00分 電子入札システムを通じて行う。 開札日時及び場所令和8年8月20日 14時00分 電子入札システムを通じて行う。 契 約 期 間( 納 期 )令和9年2月26日納 入(実 施)場 所 安全研究棟 西319号室契 約 条 項 コンピュータプログラム作成等業務契約条項契 約 担 当財務契約部事業契約第１課加藤 和(外線：080-4782-0287 内線：803-41033 Ｅメール：kato.nodoka@jaea.go.jp) (2) 国の競争参加者資格(全省庁統一資格)又は国立研究開発法人日本原子力研究開発機構競争参加者資格のいずれかにおいて、当該年度における「役務の提供等」のA、B、C又はD等級に格付けされている者であること。 競争参加者資格審査を受けていない者は、開札の前までにその審査を受け、資格を有することが認められていること。 特 約 条 項 無上記条項を示す場所 機構ホームページ(調達契約に関する基本的事項)又は契約担当に同じ入 札 保 証 金 免除令和8年8月20日 14時00分不可 ※電子入札ポータルサイトhttp://www.jaea.go.jp/02/e-compe/index.html本入札の参加資格及び必要とする要件は、次のとおりである。 ※競争入札に参加する前までに「委任状・使用印鑑届」及び「口座振込依頼書」等を提出していただく 必要がありますので、下記により提出をお願いします。 https://www.jaea.go.jp/for_company/supply/format/a02.html必要な資格求める技術要件数値データと画像データを入力とし画像データを出力するマルチモーダル(数値＋画像の入力)かつ画像生成可能な機械学習モデルの開発に関する知見、技術力を有していることが証明できる資料を提出すること。 (1)予算決算及び会計令第70条及び第71条の規定に該当しない者であること。 (2)国の競争参加者資格(全省庁統一資格※)又は国立研究開発法人日本原子力研究開発機構競争参加者資格のいずれかにおいて、当該年度における「役務の提供等」のA、B、C又はD等級に格付けされている者であること。 競争参加者資格審査を受けていない者は、開札の前までにその審査を受け、資格を有することが認められていること。 (3) 当機構から取引停止の措置を受けている期間中の者でないこと。 (4)警察当局から、国立研究開発法人日本原子力研究開発機構に対し、暴力団員が実質的に経営を支配している業者又はこれに準ずるものとして、建設工事及び測量等、物品の製造及び役務の提供等の調達契約からの排除要請があり、当該状況が継続している者でないこと。 (5)国立研究開発法人日本原子力研究開発機構が要求する技術要件を満たすことを証明できる者であること。 入札参加資格要件等 探傷画像逆解析手法の開発に係る分析ツール改良仕様書-1-1. 一般仕様1.1. 件名「探傷画像逆解析手法の開発に係る分析ツール改良」1.2. 目的及び概要本仕様書は、国立研究開発法人日本原子力研究開発機構(以下、「原子力機構」という)安全研究センター経年劣化研究グループの発注作業について記述するものである。 原子力機構では、非破壊試験技術の高度化に向けて、機械学習を活用し、探傷画像データ等から欠陥の位置や大きさを逆解析で推定する分析ツールの整備を進めている。 本作業では、当該分析ツールの改良を行う。 1.3. 契約範囲1.3.1. 契約範囲内１)分析ツールの改良２)分析ツールのユーザインタフェースの試作３)報告書の作成1.3.2. 契約範囲外1.3.1記載の契約範囲内に記載なきもの1.4. 納期令和9年2月26日(金)1.5. 納入場所及び納入条件1.5.1. 納入場所茨城県那珂郡東海村大字白方2番地4国立研究開発法人日本原子力研究開発機構安全研究センター 経年劣化研究グループ1.5.2. 納入条件持込渡し1.6. 検収条件1.5 に示す納入場所に納入後、員数検査、外観検査及び 1.7 に定める提出物の合格をもって検収とする。 -2-1.7. 提出物1.7.1. 提出図書等(1) 作業報告書 納入時 2部(2) (1)及び分析ツールを格納した電子媒体 〃 1式(3) その他機構が必要とする書類 詳細は別途協議1.7.2. 提出場所原子力科学研究所 安全研究棟 西319号室1.7.3. 報告書報告書はワードプロセッサ(MS Word)形式、A4サイズを原則とし、図表等はA3サイズの折込も可とする。 1.8. 貸与品・分析ツールのソースプログラム・以下を含む教師データ 1式- 非破壊試験の対象構造物の情報(形状、寸法、材料等)- 非破壊試験の対象欠陥の情報(欠陥の位置・寸法・形状等)- 非破壊試験に関する情報(超音波屈折角、探傷画像のコンターの範囲等)- 欠陥の探傷画像1.9. 品質管理作業に当たっては、すべての工程において、以下の事項等について十分な品質管理を行うこととする。 ・ 管理体制・ 設計監理・ 工程管理・ 記録の保管1.10. 安全管理・ 作業計画に際し綿密かつ無理のない工程を組み、材料、労働安全対策等の準備を行い、作業の安全確保を最優先としつつ、迅速な進捗を図るものとする。 また、作業遂行上既設物の保護及び第三者への損害防止にも留意し、必要な措置を講ずるとともに、火災その他の事故防止に努めるものとする。 ・ 作業現場の安全衛生管理は、受注者の責任において自主的に行うこと。 1.11. 機密保持受注者及び作業担当者は、本作業に関する情報を第3者に漏らしてはならない。 1.12. グリーン購入法の推進(1)本契約において、グリーン購入法(国等による環境物品等の調達の推進等に関する法律)に適用する環境物品(事務用品、ＯＡ機器等)が発生する場合は、これを採用するものとする。 (2)本仕様に定める提出図書(納入印刷物)については、グリーン購入法の基本方針に定める「紙類」の基準を満たしたものであること。 -3-1.13. 協議本作業を円滑に遂行するため、必要に応じて協議・打合せを実施するものとする。 この協議・打合せの主要な内容は議事録として、打合せ後の2週間以内に提出すること。 また、本仕様書に記載されている事項及び本仕様書に記載のない事項について疑義が生じた場合は、原子力機構と協議の上、その決定に従うものとする｡1.14. 特記事項1.14.1. 成果物の帰属等この業務により作成された目的物に係わる著作権その他この目的物の使用、収益及び処分(複製、翻訳、翻案、変更、譲渡 貸与及び二次的著作物の利用を含む)に関する一切の権利は原子力機構に帰属するものとする。 1.15. 検査員及び監督員(1) 一般検査：管財担当課長(2) 監督員 ：経年劣化研究グループ-4-２．技術仕様2.1 分析ツールの改良機械学習を活用し、超音波探傷試験等の非破壊検査によって得られる探傷画像から亀裂などの欠陥の位置や寸法を推定する分析ツールを改良する。 2.1.1 に貸与する分析ツールの概要示す。 2.1.1の概要に基づき、2.1.2に示す課題及び改良点に対応すること。 整備した分析ツールによる欠陥位置や寸法の推定精度については、原子力機構と協議の上、許容値を設定することとする。 2.1.1 分析ツール概要(1) 開発環境開発・実行環境はWindows 11を前提としつつ、WSL2(Linux)上での実行を推奨としている。 開発言語は、Python 3とし、GPU/CPUでの学習を可能としている。 ライブラリには、以下を使用した。 ・numpy 1.23.5・pandas 1.5.3・scipy 1.10.1・PyYAML 6.0・h5py 3.8.0・opencv-python 4.8.0.76・torch 2.0.1・torchvision 0.15.2・matplotlib 3.7.1・seaborn 0.12.2・scikit-learn 1.2.2・scikit-image 0.20.0・tqdm 4.65.0・openpyxl 3.1.2・PyWavelets 1.3.0・albumentations 1.2.0・Pillow 8.0.0・optuna 3.5.0(2) 入力データ貸与する分析ツールの入力データには、以下に示す2つの情報及び探傷関連画像を1セットとして使用している。 ✓ 非破壊試験の対象構造物の情報(配管形状、寸法、材料等)✓ 非破壊試験に関する情報(超音波屈折角、超音波探傷画像のコンターの範囲等)✓ 探傷関連画像：・ 欠陥情報が描画されていない解析モデル画像・ 欠陥情報が描画されていない超音波探傷画像・ 欠陥情報が描画された解析モデル画像(学習における目的変数)なお、改良したツールの動作検証のための入力データについては、原子力機構が貸与する。 貸与するデータ数は500セット以上とし、具体的なデータ数は原子力機構と-5-協議の上、決定する。 (3) 出力データ(2)の入力データから作成した学習データを用いて、欠陥情報が描画されていない超音波探傷画像を入力することで、以下の情報を出力する。 ✓ 欠陥情報が描画された解析モデル画像(推定結果)✓ 欠陥の位置(上記画像から算出)を表す数値情報✓ 欠陥の寸法(上記画像から算出)を表す数値情報✓ 欠陥推定精度等、機械学習精度に関する数値指標(4) 分析ツールの機能・教師データの前処理機能✓ 文字列・数値データの前処理方法：・ 決まったフォーマットの一覧表シートを持つ Excel ファイルとしてユーザーが事前に用意しておき、それを読み込む。 ・ データ内容をチェック(欠損値、異常値を発見)し、ユーザーにフィードバック。 ・ 配管形状や材料の文字列データは、エンコーディングを適用。 ・ 必要に応じて正規化・標準化を適用。 ✓ 画像データの前処理方法：・ 画像のリサイズ： 学習モデルの入力サイズに適合させるため。 ・ コンター範囲に基づくグレースケール化及び正規化。 ・ ノイズ除去： 超音波探傷画像の上部模様の除外を選択的に実施。 ・ GTマスク生成： 欠陥情報が描画された解析モデル画像から欠陥部位を抽出。 ・ ポートする画像形式：.tif,.tiff,.png,.jpeg,.jpg,.bmp。 ✓ 学習/推論で利用可能な統合データセットの生成：・ 上述の前処理を施した入力用データセットからHDF5形式の統合データセットを生成する。 ・学習モデル作成機能✓ 統合 HDF5 を読み込み、学習/検証/テストに分割して学習する。 分割の際の比率はユーザーが任意指定できる。 ✓ 学習モデルはマルチモーダルUNet を採用し、数値データと画像データを入力とする。 ✓ 学習モデルへの入力データ：・ 対象構造物情報及び試験情報の数値(文字列データはエンコーディングにより数値化済み)・ 欠陥情報が描画されていない解析モデル画像・ 欠陥情報が描画されていない超音波探傷画像・ 欠陥情報が描画された解析モデル画像(学習における目的変数)・ 画像特徴量(前処理時に抽出した統計情報等)✓ 学習済みモデル(.pth)を生成し、ローカルに保存する。 欠陥推定の際は、このモデルをロードして使用する。 -6-✓ 学習の収束状況・損失・評価指標を出力可能。 ・学習モデル検証機能✓ 統合HDF5から検証に分類したデータを使用して作成した学習モデル精度を評価する。 ✓ 分類(欠陥有無)とセグメンテーション(欠陥領域)の両方を評価する。 ✓ 評価指標：・ 損失関数等の学習収束状況を確認するための数値データ・ (分類)混同行列等・ (セグメンテーション)Dice係数、IoU等✓ 学習モデル作成機能と学習モデル評価機能は同一モジュールで実施する。 ・欠陥推定機能✓ 学習モデル作成機能で生成した学習済みモデルを用いて欠陥情報が描画されていない超音波探傷画像から分類・セグメンテーションを実施する。 ✓ 学習・検証で使用したデータに対しても推定可能。 ✓ 出力データ： 分類・セグメンテーション結果をまとめたcsvファイル 推定された欠陥の位置・寸法等を示した画像ファイル その他、学習モデル検証機能と同等の評価指標✓ 単独又は複数の入力データに対応する。 (入力データが複数の場合は、対応する出力データも複数)✓ 推定機能は、学習モデルの作成及び評価とは独立して実装する。 2.1.2 課題及び改良点2.1.1に示した分析ツールにおいて、以下の課題及び改良点がある。 これらを解決・実現するための機能を追加する。 ・課題✓ 課題 1： 現行のノイズ除去機能では、全ての画像に対して一律のルールに従って処理を行っている。 条件によっては、重要な情報もノイズ除去対象とされるケースがあることから、入力データごとに適切なルールを適用してノイズ除去を行えるようにする。 ✓ 課題2： 細長い欠陥に対してGTマスク処理を施した際に、欠陥が消失し、Dice係数を低下させる場合がある。 ✓ 課題3： 位置ずれが大きいケースや欠陥領域が非常に小さいケースでDice係数が急落しやすい。 ✓ 課題4： 分類処理における誤検出(欠陥なしを欠陥ありと判定)が多い。 ✓ 課題5： 超音波探傷におけるスキャン方式の違いにより精度が変動する。 ・改良点✓ 改良点1：指定した画像を推定処理に分類(学習/検証に使用しない)する機能の追加。 ✓ 改良点 2：本分析ツールで用いる入力データは、主に解析的に得られた画像データ等であり、実際の試験で得られるデータとは異なることが予想される。 実際の試験で得られる画像データを用いた学習・推論を可能とする機能の整備。 -7-✓ 改良点3：欠陥情報以外(配管溶接部における柱状晶の向きや裏波形状等)の推定機能の追加。 ✓ 改良点4： 溶接金属や配管内表面等を基準とした欠陥位置や、欠陥の傾き・長軸長さ等の出力機能の追加。 ✓ 改良点5：学習データが追加された場合に、既存のHDF5に含まれる入力データと同等の前処理を施し、同HDF5にデータを追加する機能の追加。 ✓ 改良点6：ユーザーが指定するノイズ(画像データ等)を学習に使用する画像に反映させる機能の追加2.2 分析ツールのユーザインタフェース試作2.1 で改良した分析ツールを実行するためのユーザインタフェース(GUI)のプロトタイプを作成する。 GUIには最低限以下の機能を搭載させること。  データ前処理/学習モデル作成・評価/推定モジュールの切り替え機能 データ前処理/学習モデル作成・評価/推定モジュールの一括実行/単独実行の切り替え機能 各モジュールで使用するパラメータの設定機能 設定したパラメータの保存・読込機能 分類結果及びセグメンテーションで得られた欠陥の位置・寸法等の数値データを表示する機能 推定結果の画像を表示する機能2.3 報告書の作成開発したツールの設計内容、環境構築方法、実行方法を報告書としてまとめる。 以上