Magnetohydrodynamic (MHD) activity in fusion devices is typically analyzed by examining time-frequency spectrograms obtained from various diagnostics. MHD modes often co-exist with various types of noise and complex patterns generated by other events like pellet injection or active diagnostics. Traditionally, identifying MHD modes has been a manual task, making it labor-intensive. To overcome this issue, this study proposes the use of computer vision (CV) algorithms for noise removal and automatic feature extraction. First, the automatic detection of straight-line patterns is achieved by applying the Hough transform. Then, the discrete wavelet transform is proposed to break down spectrograms into sub-images of different scales, removing broadband noise and pellet injection signatures. The multiscale decomposition is subsequently extended to multiple directions using either 2D Fourier transforms or curvelets, achieving a high signal-to-noise ratio in spectrograms and eliminating undesired frequency sweeps of toroidal Alfvén eigenmodes antenna. Once MHD activity is successfully enhanced, a pipeline of algorithms for ridge detection, thresholding and labeling perform a segmentation of the image, automatically labeling individual modes. This study demonstrates the effectiveness of CV algorithms for the identification of MHD modes. The use of such algorithms may potentially help in the analysis process and the creation of large databases of modes.
核融合装置における磁気流体力学（MHD）活動は、通常、様々な診断装置から得られる時間周波数スペクトログラムを調べることによって解析される。MHDモードは、しばしば様々な種類のノイズや、ペレット入射や能動診断などの他の事象によって生成される複雑なパターンと共存する。従来、MHDモードの同定は手動で行われており、労力がかかるものであった。この問題を克服するために、本研究では、ノイズ除去と自動特徴抽出のためのコンピュータビジョン（CV）アルゴリズムの使用を提案する。まず、ハフ変換を適用することで、直線パターンの自動検出を達成する。次に、離散ウェーブレット変換を用いてスペクトログラムを異なるスケールのサブ画像に分解し、広帯域ノイズとペレット入射のシグネチャを除去することを提案する。その後、マルチスケール分解は、2次元フーリエ変換またはカーブレットを用いて複数の方向に拡張され、スペクトログラムにおいて高い信号対雑音比を達成し、トロイダル・アルヴェン固有モードアンテナの望ましくない周波数スイープを除去する。MHD活動がうまく強調された後、リッジ検出、しきい値処理、ラベリングのためのアルゴリズムのパイプラインが画像のセグメンテーションを実行し、個々のモードを自動的にラベル付けする。本研究は、MHDモードの同定に対するCVアルゴリズムの有効性を実証する。このようなアルゴリズムの使用は、解析プロセスおよび大規模なモードデータベースの構築に役立つ可能性がある。