ارزیابی الگوریتم مبتنی بر تلفیق داده‌ در کشف و مکان‌یابی چشمه رادیو اکتیو خارج از کنترل از طریق شبیه‌ سازی مونت کارلو و اندازه‌گیری تجربی

با استفاده از ترکیب سنسورهای مختلف و روش‌های همجوشی داده، می‌توان با استخراج اطلاعات بیشتر از سامانه های داده برداری مختلف، تشخیص تهدیدات هسته‌ای بالقوه را به طور قابل توجهی افزایش داد. در این تحقیق، یک رویکرد تجربی و مدل سازی برای ردیابی و کشف یک چشمه رادیو اکتیو با ترکیب یک دوربین نظارتی و یک آشکارساز پرتوی (nai) استفاده شد. برای اجرای این آزمایش از سه ربات متحرک استفاده گردید که در یکی از آنها چشمه رادیو اکتیو قرار داشت. الگوریتمی برای شناسایی ربات آلوده از طریق ارتباط بین تصاویر دوربین و داده های آشکارساز توسعه داده شد. روش بینایی کامپیوتری حرکات همه ربات ها را در سیستم مختصات صفحه xy استخراج می کند و سیستم آشکارساز شار پرتوهای گاما را ثبت می کند. موقعیت روبات‌ها و تعداد متناظر چشمه متحرک با استفاده از کد شبیه‌سازی mcnpx مطابق با هندسه آزمایشگاهی، مدل‌سازی شد. نتایج نشان‌دهنده دقت بالا در بهره گیری از الگوریتم مبتنی بر تلفیق داده های مکانی و شمارش در کشف و مکان‌یابی هدف در مدل شبیه‌سازی و اندازه‌گیری تجربی است. تکنیک‌های مدل‌سازی در طراحی سناریوهای مختلف پرتوی و سیستم‌های هوشمند، قبل از شروع هر آزمایش ارزشمند هستند.

translation results translation result evaluation of the algorithm based on data integration in the discovery and location of the out-of-control radioactive source through monte carlo simulation and experimental measurement

through the utilization of a combination of diverse sensors and data fusion techniques, the potential for nuclear detections can be significantly enhanced by incorporating information from various data acquisition systems. this study employed an experimental approach and modeling to detect and locate a radioactive source by integrating a surveillance camera and a radiation tracer (nai). three mobile robots were deployed, with one containing the radioactive source. an algorithm was developed to identify the contaminated robot by correlating camera images with data. the computer vision method identified all robots in the xy plane coordinate system and mapped them to the gamma ray coordinate system. the positions of the robots and the corresponding number of moving sources were simulated using the mcnpx code based on the lab dimensions. results demonstrated the algorithm s high accuracy in target discovery and localization through the integration of spatial and counting data in simulation modeling and experimental measurements. modeling techniques proved beneficial for designing various beam scenarios and intelligent systems prior to conducting experiments.