دسته بندی تصاویر با تفکیک بسیار بالای پرتوی با استفاده از محاسبات نرم

هدف اصلی این مقاله به کارگیری روشی بر مبنای الگوریتم‌های هوش محاسباتی برای تهیه نقشه پرتوی است که به دسته بندی الگوهای مختلف شناسایی مناطق آلوده پرتوی و تغییر آلودگی پرتوی می‌پردازد. در این مقاله، برای تعیین درجه آلودگی پرتوی مناطق، استفاده از سیستم استنتاج فازی پیشنهاد شده است. در این تحقیق از داده های از طیف سنج پرتوی با قدرت تفکیک بسیار بالا (ultrahigh resolution spectrometry) در زمینه کشف اورانیوم استفاده شده است. حوزه پژوهش شامل ذخایر اورانیوم شناخته شده از جمله لامباپور-پداگاتو، چیتریال و کپونرو است. داده‌های طیف سنجی پرتوی با رزولوشن بسیار بالا که برای اکتشاف اورانیوم جمع آوری شده بود برای تخمین میانگین نرخ جذب در هوا به سبب توزیع پرتو ماده‌ها (پتاسیم در درصد و اورانیوم و توریم در بخش در میلیون) در این مناطق مورد استفاده واقع شد. همچنین برای تعیین میزان آلودگی پرتوی هر منطقه از سیستم استنتاج فازی ممدانی استفاده شده است. نتایج بدست آمده کارایی این روش را با دقتی برابر با 76 درصد برای آشکارسازی سه سطح آلودگی پرتوی (بدون آلودگی پرتوی یا آلودگی پرتوی کم، آلودگی پرتوی متوسط و آلودگی پرتوی زیاد) و 89 درصد برای شناسایی کلی مناطق آلوده از مناطق فاقد آلودگی پرتوی برآورد نمود.

Classification of Ultra-high Resolution Images using Soft Computing

The main objective of this paper is to use a computational intelligence algorithm for preparing a mapping map that categorizes different patterns of identification of infected areas and changes in radiation pollution. In this paper, the use of the fuzzy inference system has been proposed to determine the degree of radiation contamination in the regions. The study uses ultrahigh resolution spectrometry data to detect uranium. The research area includes wellknown uranium deposits, including LambaPurPeddagattu, Chitrial and Koppunuru. The highresolution Spectrometry data collected for uranium exploration was used to estimate the average absorption rate in the air due to the distribution of females (potassium per cent and uranium and thorium per million) in these areas. Mamdanichr('39')s Fuzzy Inference System has also been used to determine the amount of radiation contamination in each region. The results showed that the efficiency of this method was 76% accurate for the detection of three levels of radiation contamination (no radiation contamination, low radiation exposure, medium radiation and high radiation pollution) and 89% for the overall identification of contaminated areas from nonpolluted areas.