ارزیابی الگوریتم مبتنی بر تلفیق داده در کشف و مکان یابی چشمه رادیواکتیوخارج از کنترل از طریق شبیه سازی مونت کارلو و اندازه گیری تجربی

با استفاده از ترکیب سنسورهای مختلف و روش های همجوشی داده، می توان با استخراج اطلاعات بیشتر از سامانه های داده برداری ممختلف مختلف، تشخیص تهدیدات هسته ای بالقوه را به طور قابل توجهی افزایش داد. در این تحقیق، یک رویکرد تجربی و مدل سازی برای ردیابی و کشف یک چشمه رادیواکتیو با ترکیب یک دوربین نظارتی و یک آشکارساز پرتوی (NaI) استفاده شد. برای اجرای این آزمایش از سه روبات متحرک استفاده گردید که در یکی از آنها چشمه رادیواکتیو 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 روبات ها و تعداد متناظر چشمه متحرک با استفاده از کد شبیه سازی MCNPX مطابق با هندسه آزمایشگاهی، مدل سازی شد. نتایج نشان دهنده دقت بالا در بهره گیری از الگوریتم مبتنی بر تلفیق داده های مکانی و شمارش در کشف و مکان یابی هدف در مدل شبیه سازی و اندازه گیری تجربی است. تکنیک های مدل سازی در طراحی سناریوهای مختلف پرتوی و سیستم های هوشمند، قبل از شروع هر آزمایش ارزشمند هستند

Keywords:

تهدیدات هسته ای , آشکارساز های پرتوی , شبیه سازی MCNPX , رهیافت مدل سازی , سیستم های هوشمند