ارزيابي الگوريتم مبتني بر تلفيق داده‌ در كشف و مكان‌يابي چشمه راديو اكتيو خارج از كنترل از طريق شبيه‌ سازي مونت كارلو و اندازه‌گيري تجربي

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

با استفاده از تركيب سنسورهاي مختلف و روش‌هاي همجوشي داده، مي‌توان با استخراج اطلاعات بيشتر از سامانه هاي داده برداري مختلف، تشخيص تهديدات هسته‌اي بالقوه را به طور قابل توجهي افزايش داد. در اين تحقيق، يك رويكرد تجربي و مدل سازي براي رديابي و كشف يك چشمه راديو اكتيو با تركيب يك دوربين نظارتي و يك آشكارساز پرتوي (NaI) استفاده شد. براي اجراي اين آزمايش از سه ربات متحرك استفاده گرديد كه در يكي از آنها چشمه راديو اكتيو قرار داشت. الگوريتمي براي شناسايي ربات آلوده از طريق ارتباط بين تصاوير دوربين و داده هاي آشكارساز توسعه داده شد. روش بينايي كامپيوتري حركات همه ربات ها را در سيستم مختصات صفحه XY استخراج مي كند و سيستم آشكارساز شار پرتوهاي گاما را ثبت مي كند. موقعيت روبات‌ها و تعداد متناظر چشمه متحرك با استفاده از كد شبيه‌سازي MCNPX مطابق با هندسه آزمايشگاهي، مدل‌سازي شد. نتايج نشان‌دهنده دقت بالا در بهره گيري از الگوريتم مبتني بر تلفيق داده هاي مكاني و شمارش در كشف و مكان‌يابي هدف در مدل شبيه‌سازي و اندازه‌گيري تجربي است. تكنيك‌هاي مدل‌سازي در طراحي سناريوهاي مختلف پرتوي و سيستم‌هاي هوشمند، قبل از شروع هر آزمايش ارزشمند هستند.

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.