고압 회전 노즐과 U-Net 기반 딥러닝 분할 모델을 통합하여 자동 제염 및 모니터링 시스템을 개발하였다. 방사성 탱크 내부에 고압 워터 제트(400 bar, 28 L/min)를 적용하고, 유도결합플라즈마–광학방출분광분석기(ICP–OES)를 사용하여 잔류 Co 농도를 측정함으로써 제염 효율을 평가하였다. 4회의 제염 사이클 후 전체 잔류 오염은 4.23% ± 8.10%로 감소하였다. 특히, 4그룹과 5그룹은 완전 제염에 도달한 반면 1그룹은 19.3%를 잔류시켜, 이는 노즐 위치의 영향이 큼을 보여주었다. ICP–OES 결과는 육안으로 제염된 것으로 보이는 영역에도 400–800 mg/kg의 Co가 포함되어 있음을 확인함으로써, 영상 기반 평가의 가능성을 뒷받침하였다. 실시간 제염 모니터링을 가능하게 하기 위해 딥러닝 모델을 훈련하여 오염 및 제염된 영역을 분할하였다. 시험된 모델 중 DeepLabv3가 가장 높은 Dice 계수(0.6988)와 F0.5 점수(0.7178)를 달성하여, 분할 정확도와 오탐(false-positive) 감소 간의 균형을 제공하였다. 제안된 시스템은 면봉(smear paper)으로 수동 오염 확인을 수행할 필요를 제거함으로써, 방사선 노출을 줄이고 제염 효율을 향상시켰다. 본 연구는 고압 제트 제염에 실시간 딥러닝 기반 모니터링을 결합함으로써, 핵 해체 시 방사성 폐기물 관리에 더 안전하고 효과적인 접근이 가능함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.