کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10326720 679567 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Visual classification of waste material for nuclear decommissioning
ترجمه فارسی عنوان
طبقه بندی بصری مواد زائد برای انحلال هسته ای
کلمات کلیدی
سیستم های دید ربات، تشخیص شی، بازرسی اتوماتیک نوری، انهدام هسته ای، اتوماسیون صنعتی، مرتب سازی و جداسازی،
ترجمه چکیده
ساختمان های غیرقانونی و غیر عملیاتی در سایت های هسته ای از طریق فرآیند انحلال، شامل تصفیه مواد زائد هسته ای و تخریب زیرساخت های فیزیکی می شوند. یک مشکل چالش برانگیز در حال حاضر با صنعت هسته ای در طول این فرآیند، جداسازی مواد زباله های اضافی در انتخاب "پس پردازش" بر اساس ماهیت و میزان رادیواکتیویتی آن است که ممکن است تهدید جدی برای محیط زیست باشد. پس از بازرسی اولیه، مواد زائد تحت درمان، اختلال قرار می گیرند و به انواع ظروف صادراتی منتقل می شوند. تا به امروز، فرآیند دسته بندی (زباله) طبقه بندی دستی انجام می شود. برای بهینه سازی این فرآیند، سیستم عامل های روباتیک می توانند مستقر شوند که از سیستم های قدرتمند و چشم انداز برای طبقه بندی بصری مواد زائد هسته استفاده می کنند. این مقاله راه حل جدیدی را پیشنهاد می دهد که سیستم بینایی ماشین را برای شناسایی مستقل از مواد زائد از تاسیسات هسته ای منع استفاده می کند. لحظه های غیر متناوب چرخش و مقیاس برای توصیف اشیاء اشیاء در صحنه بصری مورد استفاده قرار می گیرند، در حالی که یک الگوریتم یادگیری تصادفی جنگی طبقه بندی شی را انجام می دهد. با استفاده از شبیه سازهای اتلاف هسته (از فرایند انحلال نیروگاه هسته ای)، ارزیابی کمی از روش پیشنهادی «اثبات مفهوم جامع» از روش پیشنهادی انجام می شود تا کاربرد آن در حوزه مشکل فعلی مورد آزمایش قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
طبقه بندی بصری مواد زائد برای انحلال هسته ای
چکیده انگلیسی
Redundant and nonoperational buildings at nuclear sites go through the process of 'decommissioning', involving decontamination of nuclear waste material and demolition of physical infrastructure. One challenging problem currently faced by the nuclear industry during this process is the segregation of redundant waste material into a choice of 'post-processes' based upon the nature and extent of its radioactivity that may pose a serious threat to the environment. Following an initial inspection, waste materials are subjected to treatment, disruption and consigned to various types of export containers. To date, the process of objects (waste) classification is performed manually. In order to automate this process, robotic platforms can be deployed that utilise robust and fast vision systems for visual classification of nuclear waste material. This paper proposes a novel solution incorporating a machine vision system for autonomous identification of waste material from decommissioned nuclear plants. Rotation and scale invariant moments are used to describe object shapes in the visual scene whereas a random forest learning algorithm performs object classification. Using nuclear waste simulants (from the nuclear plant decommissioning process), an exhaustive 'proof-of-concept' quantitative assessment of the proposed technique is performed, in order to test its applicability within the current problem domain.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Autonomous Systems - Volume 75, Part B, January 2016, Pages 365-378
نویسندگان
, , , , ,