[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
داوری تخصصی::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 3196946

مقالات منتشر شده: 687
نرخ پذیرش: 73.7
نرخ رد: 17.74

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 193 روز
____
..
:: دوره 15، شماره 2 - ( 9-1404 ) ::
دوره 15 شماره 2 صفحات 74-61 برگشت به فهرست نسخه ها
نقشه‌برداری مسیر و کشف چشمه‌های رادیواکتیو متحرک خارج از کنترل با توسعه الگوریتم‌های مبتنی بر بینایی ماشین و مدل مونت‌کارلو
امیرمحمد بیگ زاده* ، هادی اردینی
چکیده:   (68 مشاهده)
 با پیشرفت سریع فناوری هسته‌ای و گسترش آن در سطح جهانی، تهدیداتی ناشی از مواد رادیواکتیو به‌ویژه در زمینه تروریسم و سهل‌انگاری در جابه‌جایی آنها ظهور کرده است که می‌تواند مخاطرات جدی برای انسان‌ها و محیط‌زیست ایجاد کند؛ لذا، توسعه سامانه‌های کارآمد برای شناسایی و ردیابی منابع رادیواکتیو به‌عنوان یک نیاز ضروری احساس می‌شود. مقاله حاضر، رویکردی نوین برای شناسایی و نقشه‌برداری مواد پرتوزا را با استفاده از الگوریتم‌های بینایی ماشین ارائه می‌دهد. هدف اصلی این تحقیق، افزایش دقت و کارایی شناسایی چشمه‌های رادیواکتیو در محیط‌های پیچیده و متغیر است. در مرحله ابتدایی، الگوریتمی بر اساس حرکت ربات‌های چرخ‌دار طراحی شد که شامل ملاحظاتی چون حرکت تصادفی، حسگر عدم برخورد و تغییر جهت در نزدیکی ربات‌های دیگر بود. سپس، در یک صفحه دوبعدی، ده ربات با ویژگی‌های مشخص مدل‌سازی شد و حرکات آنها بر اساس ضبط حرکت در ۱۲۰ ثانیه با ۲۵ فریم بر ثانیه ثبت گردید. در گام بعدی، الگوریتم مبتنی بر روش بینایی ماشین با استفاده از معادلات ردیابی KLT، مسیر حرکت ربات‌ها را شناسایی کرد. همچنین، سناریوی پرتویی با معرفی یک چشمه رادیواکتیو بر روی یکی از ربات‌ها طراحی و ۳۰۰۰ کد مونت‌کارلو برای شبیه‌سازی آن به‌کاررفته است. در نهایت، با استفاده از الگوریتم‌های همبستگی، امکان شناسایی ربات آلوده به ماده رادیواکتیو در میان سایر ربات‌ها بررسی شد. نتایج نشان می‌دهد که روش‌های پیشنهادی قابلیت بالایی در مکان‌یابی منابع رادیواکتیو دارند و می‌توان از این الگوریتم‌ها برای مدل‌سازی سناریوهای مختلف در محیط‌های شبیه‌سازی استفاده کرد. این امر به کاهش پرتوگیری غیرضروری افراد کمک می‌کند و توانمندی‌های دستگاه‌های تشخیص تشعشع را به طور چشمگیری افزایش می‌دهد.
 
شماره‌ی مقاله: 5
واژه‌های کلیدی: نقشه‌برداری پرتوی، ردیابی چشمه رادیواکتیو، بینایی ماشین، تروریسم هسته‌ای، سناریوی پرتوی
متن کامل [PDF 1038 kb]   (45 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
دریافت: 1402/11/15 | پذیرش: 1404/7/13
فهرست منابع
1. H. Al Hamrashdi, S. D. Monk, and D. Cheneler, "Passive Gamma-Ray and Neutron Imaging Systems for National Security and Nuclear Non-Proliferation in Controlled and Uncontrolled Detection Areas: Review of Past and Current Status," Sensors, vol. 19, no. 11. 2019. doi: 10.3390/s19112638. [DOI:10.3390/s19112638]
2. C. Fernandez, "These are the top 10 busiest airports in the world-5 of them are in the U.S." Accessed: Sep. 23, 2023. [Online]. Available: https://www.cnbc.com/2023/04/10/world-busiest-airports-airports-council-international-ranking.html
3. P. Andreas, "A tale of two borders: The US-Canada and US-Mexico lines after 9--11," in The Rebordering of North America, Routledge, 2014, pp. 1-23.
4. J. S. Bisht, "Github." Accessed: Sep. 25, 2023. [Online]. Available: https://github.com/jitendrasb24/Car-Detection-OpenCV
5. J. Shi and Tomasi, "Good features to track," in 1994 Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 1994, pp. 593-600. doi: 10.1109/CVPR.1994.323794. [DOI:10.1109/CVPR.1994.323794]
6. E. R. Davies, Computer and machine vision: theory, algorithms, practicalities. Academic Press, 2012.
7. C. Steger, M. Ulrich, and C. Wiedemann, Machine vision algorithms and applications. John Wiley & Sons, 2018.
8. S. J. Schmugge et al., "Detection of cracks in nuclear power plant using spatial-temporal grouping of local patches," in 2016 IEEE Winter Conference on Applications of Computer Vision (WACV), 2016, pp. 1-7. doi: 10.1109/WACV.2016.7477601. [DOI:10.1109/WACV.2016.7477601]
9. E. Cazalas, "Defending cities against nuclear terrorism: Analysis of a radiation detector network for ground based traffic," Homel. Secur. Aff., vol. 14, 2018.
10. C.-Y. Huang, J.-H. Hong, and E. Huang, "Developing a Machine Vision Inspection System for Electronics Failure Analysis," IEEE Trans. Components, Packag. Manuf. Technol., vol. 9, no. 9, pp. 1912-1925, 2019, doi: 10.1109/TCPMT.2019.2924482. [DOI:10.1109/TCPMT.2019.2924482]
11. K. D. Joshi, V. D. Chauhan, and B. W. Surgenor, "Real time recognition and counting of Indian currency coins using machine vision: a preliminary analysis," in Proceedings of the Canadian Society for Mechanical Engineering International Congress (CSME), 2016, pp. 26-29.
12. A. K. Dubey, A. Kumar, S. R. Kumar, N. Gayathri, and P. Das, AI and IoT-based Intelligent Automation in Robotics. John Wiley & Sons, 2021. [DOI:10.1002/9781119711230]
13. Y. Shen and W. Zhu, "Medical image processing using a machine vision-based approach," Int. J. signal Process. Image Process. Pattern Recognit., vol. 6, no. 3, pp. 139-146, 2013.
14. R. Jain, R. Kasturi, B. G. Schunck, and others, Machine vision, vol. 5. McGraw-hill New York, 1995.
15. B. L. Luk, A. A. Collie, D. S. Cooke, and S. Chen, "Walking and Climbing Service Robots for Safety Inspection of Nuclear Reactor Pressure Vessels," Meas. Control, vol. 39, no. 2, pp. 43-47, Mar. 2006, doi: 10.1177/002029400603900201. [DOI:10.1177/002029400603900201]
16. A. R. Benson et al., "The Gamma-Ray Imaging Framework," IEEE Trans. Nucl. Sci., vol. 60, no. 2, pp. 528-532, 2013, doi: 10.1109/TNS.2013.2245342. [DOI:10.1109/TNS.2013.2245342]
17. N. Marturi et al., "Towards advanced robotic manipulation for nuclear decommissioning: A pilot study on tele-operation and autonomy," in 2016 International Conference on Robotics and Automation for Humanitarian Applications (RAHA), 2016, pp. 1-8. doi: 10.1109/RAHA.2016.7931866. [DOI:10.1109/RAHA.2016.7931866]
18. K. Stadnikia, K. Henderson, S. Koppal, and A. Enqvist, "Data fusion for a vision-aided radiological detection system: Correlation methods for single source tracking," Nucl. Instruments Methods Phys. Res. Sect. A Accel. Spectrometers, Detect. Assoc. Equip., vol. 954, Feb. 2020, doi: 10.1016/j.nima.2019.02.040. [DOI:10.1016/j.nima.2019.02.040]
19. H. Ardiny, A. Beigzadeh, and H. Mahani, "MCNPX simulation and experimental validation of an unmanned aerial radiological system (UARS) for rapid qualitative identification of weak hotspots," J. Environ. Radioact., vol. 258, p. 107105, 2023, doi: https://doi.org/10.1016/j.jenvrad.2022.107105 [DOI:10.1016/j.jenvrad.2022.107105.]
20. D. Osthus et al., "Tracking the location of a road-constrained radioactive source with a network of detectors," Nucl. Instruments Methods Phys. Res. Sect. A Accel. Spectrometers, Detect. Assoc. Equip., vol. 1039, p. 166992, Sep. 2022, doi: 10.1016/j.nima.2022.166992. [DOI:10.1016/j.nima.2022.166992]
21. J. Huo, X. Hu, J. Wang, and L. Hu, "ACA: Automatic search strategy for radioactive source," Nucl. Eng. Technol., vol. 55, no. 8, pp. 3030-3038, 2023, doi: https://doi.org/10.1016/j.net.2023.05.017 [DOI:10.1016/j.net.2023.05.017.]
22. R. J. Cooper et al., "Networked Sensing for Radiation Detection, Localization, and Tracking," arXiv Prepr. arXiv2307.13811, 2023.
23. L. S. Waters et al., "The MCNPX Monte Carlo Radiation Transport Code," in AIP Conference Proceedings, AIP, 2007, pp. 81-90. doi: 10.1063/1.2720459. [DOI:10.1063/1.2720459]
24. B. D. Lucas and T. Kanade, "An Iterative Image Registration Technique with an Application to Stereo Vision," in IJCAI'81: 7th international joint conference on Artificial intelligence, Vancouver, Canada, Aug. 1981, pp. 674-679. [Online]. Available: https://hal.science/hal-03697340
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Beigzadeh A, Ardiny H. Radiation mapping and detection of out-of-control radioactive sources by developing algorithms based on machine vision. JGST 2025; 15 (2) : 5
URL: http://jgst.issgeac.ir/article-1-1176-fa.html

بیگ زاده امیرمحمد، اردینی هادی. نقشه‌برداری مسیر و کشف چشمه‌های رادیواکتیو متحرک خارج از کنترل با توسعه الگوریتم‌های مبتنی بر بینایی ماشین و مدل مونت‌کارلو. علوم و فنون نقشه برداری. 1404; 15 (2) :61-74

URL: http://jgst.issgeac.ir/article-1-1176-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 2 - ( 9-1404 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology