ردیابی و کشف چشمه‌های پرتوزای متحرک: یک رویکرد مدل‌سازی مبتنی بر الگوریتم‌های بینایی ماشین، پردازش تصویر و سامانه‌های آشکارسازی سوسوزن

فناوری هسته‌ای به سرعت در سراسر جهان در حال گسترش است. با این حال، مواد رادیواکتیو خطر بزرگی برای جوامع بشری و محیط زیست است. این به دلیل تهدیدات تروریسم، سوء استفاده یا حمل و نقل غیرمجاز است. بنابراین؛ ما نیاز به بهبود سیستم‌های تشخیص و ردیابی منبع رادیواکتیو داریم. این امر باعث تقویت امنیت و توقف اقدامات تروریستی خواهد شد. در این مقاله، یک رویکرد جدید برای نقشه‌برداری و آشکارسازی پرتوی با توسعه الگوریتم‌هایی بینایی ماشین و مدل‌سازی سامانه‌های آشکارسازی هسته‌ای متشکل از آشکارسازهای کریستالی سوسوزن و لامپ‌های تقویت‌کننده نوری پیشنهاد می‌شود. هدف افزایش کارایی و دقت شناسایی و مکان‌یابی چشمه‌های پرتوزا خارج از کنترل در محیط‌های پیچیده و داینامیک با بهره‌گیری از روش‌های نوین بینایی ماشین است. معادلات روش ردیابی از روش klt پیروی می‌کند. سامانه مدل شده به طور هم‌زمان تصاویر حرکتی را دریافت و پردازش کرده و مسیر حرکت اجسام را تشخیص می‌دهد و به طور هم‌زمان داده‌های پرتوی در آشکارساز ثبت می‌گردد. در نهایت با تلفیق داده‌های مکانی و داده‌های پرتوی با دقت خوبی چشمه‌های پرتوزا خارج از کنترل در میان سایر اشیای متحرک کشف گردید. ادغام این الگوریتم‌ها در سامانه‌های تشخیص پرتو موجود این ظرفیت را دارد که اقدامات ایمنی را به میزان قابل‌توجهی افزایش دهد و خطرات مرتبط با حوادث پرتوی را کاهش دهد.

tracking and exploring of moving radioactive sources: a modeling approach based on machine vision algorithms, image processing and scintillation detection systems

nuclear technology is rapidly expanding worldwide. however, radioactive materials pose a big risk to human societies and the environment. this is due to threats from terrorism, misuse, or unauthorized movement. thus, we need to improve radioactive source detection and tracking systems. this will boost security and stop terrorist actions. this paper introduces a novel approach for beam mapping and detection by employing machine vision algorithms and modeling nuclear detection systems that incorporate scintillating crystal detectors and photomultiplier tubes. the primary objective is to enhance efficiency and accuracy in identifying and locating out-of-control radioactive sources within complex and dynamic environments through the utilization of modern machine vision techniques. the tracking method employed in this approach is based on the kanade-lucas-tomasi (klt) method. the developed system simultaneously acquires and processes moving images to detect the trajectory characteristics of objects, while recording radiation data using the detector. by effectively combining spatial and radiation data with high precision, the out-of-control radioactive source is successfully identified amidst other moving objects