طراحی مفهومی سامانه تشخیص/ردیابی هوشمند مواد رادیواکتیو خارج از کنترل در حوادث پرتوی پر ازدحام: ادغام داده‌های بینایی ماشین و سامانه چند آشکارسازی

فناوری هسته‌ای در سراسر جهان به‌سرعت در حال پیشرفت است، اما وجود مواد رادیواکتیو خطرات قابل‌توجهی برای جامعه و محیط‌زیست به همراه دارد. این خطرات با تهدیدهایی مانند تروریسم، سوءاستفاده و حمل‌ونقل غیرقانونی این مواد تشدید می‌شود. در نتیجه، نیاز مبرم به تقویت سیستم‌های شناسایی و ردیابی مواد رادیواکتیو برای تقویت امنیت و جلوگیری از اقدامات تروریستی احتمالی وجود دارد. این مطالعه یک رویکرد جدید برای نقشه‌برداری و تشخیص پرتو از طریق توسعه الگوریتم‌های بینایی ماشین و مدل‌سازی سیستم تشخیص چندگانه معرفی می‌کند. هدف بهبود کارایی و دقت شناسایی و مکان‌یابی چشمه‌های رادیواکتیو کنترل نشده در محیط‌های پیچیده با استفاده از تکنیک‌های بینایی ماشین معاصر است. روش ردیابی پیشنهادی بر اساس الگوریتم ردیابی پیشرفته klt (kanade-lucas-tomasi) است. این سیستم هم‌زمان با ردیابی مسیرهای حرکت اجسام و ثبت داده‌های پرتو از آشکارساز، تصاویر متحرک را در زمان واقعی ضبط و پردازش می‌کند. با ادغام داده‌های مکانی با داده‌های پرتوی، این سیستم می‌تواند چشمه‌های رادیواکتیو کنترل‌نشده را از سایر اجسام متحرک به‌دقت متمایز کند. ترکیب این الگوریتم‌های پیشرفته در سیستم‌های تشخیص پرتوی موجود، این پتانسیل را دارد که خطرات مرتبط با حوادث پرتوی را به میزان قابل‌توجهی کاهش دهد.

conceptual design of intelligent detection/tracking system of out-of-control radioactive material in crowded radiation incidents: integration of machine vision data and multi-detector system

nuclear technology is advancing rapidly worldwide, but the presence of radioactive materials poses significant risks to society and the environment. these risks are exacerbated by threats such as terrorism, mishandling, and the illegal transportation of these substances. consequently, there is an urgent need to enhance detection and tracking systems for radioactive materials to strengthen security and prevent potential terrorist acts. this study introduces a novel approach to radiation mapping and detection through the development of machine vision algorithms and multi-detection system modeling. the goal is to improve the efficiency and accuracy of identifying and locating uncontrolled radioactive sources in complex environments using contemporary machine vision techniques. the proposed tracking method is based on the klt (kanade-lucas-tomasi) algorithm. the system captures and processes moving images in real time while tracking object movement paths and recording radiation data from the detector. by integrating spatial data with radiation data, the system can accurately differentiate uncontrolled radioactive sources from other moving objects. incorporating these advanced algorithms into existing radiation detection systems has the potential to significantly mitigate the risks associated with radiation incidents.