Development of an Image Processing System for Semi-automated Nuclear Track Counting Applied to Etched Tracks Dosimetry

سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,284

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP03_089

تاریخ نمایه سازی: 22 مهر 1390

چکیده مقاله:

A comprehensive analysis system has been developed for analyzing nuclear particle tracks in solid state detectors (SSNTD) which are being widely used in a variety of applications through the field of radiation dosimetry. In largescale radon and neutron dosimetry, counting of particle tracks and analyzing their results is feasible by using an automatic track counting system. At this research, we have introduced a new automatic measuring and analyzer system which has two main components. The first is a high resolution digital image convertor with a transparency adapter and the second includes an image processing and analyzer program (Nuclear Track Counting Software, NTCS). The automatic counting and acquisition system contribute to achieve more objectives and reliable results. Using this system can be avoided the disadvantages of manually counting such as observer subjectivity during the track field determination, improving counting statistic, measurement of the various track parameters (surface track density and mean tracks diameter) and obtaining the fast and exact results. The relevant experimental investigations show that the linearity of track density response for increasing of radiation exposure is reliable up to 104 tracks.cm-2.

نویسندگان

Mehran Taheri۱

National Radiation Protection Department, Atomic Energy organization of Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :