Real-time and accurate plasma boundary reconstruction is critical for plasma control in tokamaks. Reconstructing plasma boundary through visible light diagnostics provides a promising approach to plasma shape control during steady-state discharges. In this study, a two-stage plasma boundary detection framework (YOLO-GRAY) has been developed on the EAST. The framework first utilizes You Only Look Once (YOLO) model to rapidly localize the optical boundary emission region and then calculates the precise boundary position using grayscale edge detection within that region. This two-stage approach enables more precise and robust detection of the plasma boundary position. However, due to modifications in the visible light diagnostics, the accuracy of the YOLO model pre-trained on J-Port dataset decreased to 0.493 on images with a new field of view (FOV). By employing transfer learning and fine-tuning the pre-trained YOLO model on merely 50 new FOV images, the model’s detection accuracy was improved to 0.963. Furthermore, the algorithm maintains robust performance during long-pulse operations. In 450 s long-pulse experiment on EAST, the Last Closed Flux Surface displayed accumulated deviations of 0.5 cm and 1.5 cm in GAP and GAP, respectively, whereas the optical boundary positions remained essentially stable. Building upon this framework, we developed a real-time optical boundary reconstruction system based on heterogeneous computing. Hybrid CPU–GPU scheduling ensures that reconstruction for a single frame is completed within 1.6 ms. With this system, multi-point plasma shape control using optical boundaries was demonstrated for the first time on EAST, validating the feasibility of visible-light-based shape control. Overall, the YOLO-GRAY algorithm demonstrates stable, precise reconstruction of optical plasma boundaries, and visible-light-based shape control holds great promise for future fusion devices such as ITER.
リアルタイムかつ高精度なプラズマ境界再構成は、トカマクにおけるプラズマ制御にとって極めて重要である。可視光計測によるプラズマ境界の再構成は、定常放電中のプラズマ形状制御に対する有望なアプローチを提供する。本研究では、EASTにおいて二段階プラズマ境界検出フレームワーク（YOLO-GRAY）を開発した。このフレームワークは、まずYOLO（You Only Look Once）モデルを用いて光学境界発光領域を迅速に位置特定し、次にその領域内でグレースケールエッジ検出を用いて正確な境界位置を計算する。この二段階アプローチにより、プラズマ境界位置のより正確かつロバストな検出が可能になる。しかしながら、可視光計測の変更により、J-Portデータセットで事前学習されたYOLOモデルの精度は、新しい視野（FOV）の画像では0.493に低下した。転移学習を採用し、事前学習済みYOLOモデルをわずか50枚の新しいFOV画像でファインチューニングすることにより、モデルの検出精度は0.963まで向上した。さらに、このアルゴリズムは長時間パルス運転中もロバストな性能を維持する。EASTでの450 sの長時間パルス実験において、最外殻磁気面はGAPおよびGAPにおいてそれぞれ0.5 cmおよび1.5 cmの累積偏差を示したのに対し、光学境界位置は本質的に安定していた。このフレームワークに基づき、我々はヘテロジニアスコンピューティングに基づくリアルタイム光学境界再構成システムを開発した。CPU-GPUハイブリッドスケジューリングにより、単一フレームの再構成が1.6 ms以内で完了することが保証される。このシステムにより、光学境界を用いた多点プラズマ形状制御がEASTで初めて実証され、可視光ベースの形状制御の実現可能性が検証された。全体として、YOLO-GRAYアルゴリズムは光学プラズマ境界の安定かつ高精度な再構成を実証し、可視光ベースの形状制御はITERなどの将来の核融合装置にとって大きな可能性を秘めている。