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
- سال انتشار: 1403
- محل انتشار: دومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند
- کد COI اختصاصی: DTIS02_021
- زبان مقاله: فارسی
- تعداد مشاهده: 165
نویسندگان
پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای، سازمان انرژی اتمی ایران،
پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای، سازمان انرژی اتمی ایران،
چکیده
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 هستندکلیدواژه ها
تهدیدات هسته ای، آشکارساز های پرتوی، شبیه سازی MCNPX، رهیافت مدل سازی، سیستم های هوشمندمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.