ردیابی چشمه متحرک مبتنی بر سیستم بینایی ماشین: بهبود تشخیص با بهره‌گیری از همبستگی داده‌ها

ادغام داده‌ها بین حسگرهای مختلف می‌تواند موجب استخراج اطلاعات با دقت و با کیفیت بالاتر گردد و بهبود تشخیص تهدیدهای هسته‌ای را به همراه داشته باشد. در این تحقیق، ردیابی چشمه متحرک با استفاده از تلفیق داده های سیستم آشکارساز پرتوی و دوربین نظارتی مورد مطالعه قرار گرفت است. بدین منظور الگوریتمی جهت تلفیق و ایجاد همبستگی بین تصاویر دریافتی توسط دوربین و شمارش آشکارساز طراحی شده است تا مسیر حرکت جسمی که بیش ترین همبستگی را با اطلاعات شمارش ثبت شده پرتوی توسط سیستم آشکارسازی را دارد به عنوان چشمه متحرک انتخاب نماید. جهت انجام این آزمایش از سه ربات متحرک استفاده شده است که بر روی یکی از این ربات ها چشمه پرتوزا به عنوان عامل آلوده به ماده رادیواکتیو قرار گرفته است. با استخراج مسیر حرکت ربات ها با کمک تصاویر دوربین و تلفیق آن با اطلاعات شمارش ثبت شده در آشکارساز، الگوریتم مورد نظر توانست در مدت زمان کوتاهی ربات حامل چشمه رادیواکتیو را شناسایی کند. در این تحقیق سرعت تشخیص چشمه متحرک و صحت تشخیص در زمان‌های متفاوت مورد مطالعه قرار گرفت. با افزایش زمان داده‌برداری از 5 ثانیه به 125 ثانیه درصد موفقیت الگوریتم در موقعیت‌یابی چشمه رادیواکتیو متحرک از 42.7 درصد به 98.3 درصد افزایش یافت. نتایج این تحقیق نشان داد که با تجهیز دوربین های شهری با آشکارسازهای هسته ای می توان شبکه‌ای سنسوری ایجاد نمود که یک منطقه و یا شهر را بی‌وقفه پایش و کنترل نمود.

tracking a moving source based on a computer vision system: improving detection using data correlation

data fusion between different sensors can improve the detection of nuclear threats by extracting more reliable and effective information. in this study, tracking a moving radioactive hotspot source using a combination of a radioactive detector (nai) and a surveillance camera is addressed. for this purpose, three mobile robots were used, and a radioactive source was placed on one of these robots. an algorithm was developed to correlate the radioactive and camera data, so the robot with the highest correlation was selected as the moving source quickly. by increasing the acquisition time from 5 to 125 seconds, the algorithm’s success rate in detecting the moving radioactive source increases from 42.7% to 98.3%. in addition, the moving source’s detection speed and the detection’s precision over different times were studied. the results have presented a model that can be scaled up by equipping surveillance cameras with radioactive detectors to provide a network, and this network can continuously monitor and control a vast area or even a city to detect and track suspicious items.