辐射环境数字识别系统

蒋继成 姚钢 赵孝文 卫光 闫海霞

摘要：目前，我国民用核技术应用产业经过半个世纪的技术积累和产业实践摸索，已处于完成工业示范及普及应用阶段，潜力巨大，万亿市场空间正逐步开启。在高辐射环境下工作的摄像系统是设备维护、事故应急时操作人员了解现场情况的窗口。而适合辐照装置倒装源的标号识别系统并没有开发，辐照企业仍采用原始方法进行放射源倒装工作，不仅耗时长，劳动环境恶劣，还存在源号识别困难等问题，开发适合辐照装置倒装源过程使用的图像识别系统是十分必要的，也是十分迫切的。

关键词：辐射环境;光纤传像;图像识别

中图分类号：X837          文献标志码：A              文章编号：2095-2945（2019）35-0085-03

Abstract： At present， after half a century of technology accumulation and industrial practice， China's civil nuclear technology application industry has been in the stage of industrial demonstration and popularization， with huge potential and trillion market space being gradually opened. The camera system working in high radiation environment is a window for operators to understand the site conditions during equipment maintenance and accident emergency. However， the label recognition system suitable for the flip source of the irradiation device has not been developed. The irradiation enterprise still uses the original method to add the radiation source， which not only takes a long time， and in bad labor environment， but also has the problems of the source number recognition. It is very necessary and urgent to develop the image recognition system suitable for the process of adding the radiation source of the irradiation device.

Keywords： radiation environment; optical fiber transmission; image recognition

1 γ射线对感光元器件的损伤

目前，在γ射线环境中的图像采集技术主要问题是感官元器件的辐射损伤，通过光学感知手段获取图像数据时，光子会对感光器件CCD或CMOS芯片发生作用，导致图像质量下降[1-4]。放射源标号识别数字尺寸为2×2mm的数字，画面质量下降直接导致数据准确性的下降。当吸收剂量达到限值后，图像数据发生明显的退化现象，项目组进行了相机的辐射环境测试，同一摄像机在非辐射条件下和辐射条件下采集图像效果如图1。

2 硬件系统设计

辐射源γ射線作用到摄像系统敏感器件，损伤器件并影响像质[5-6]。因此需要从硬件设计和图像处理两个方面对系统进行针对性的设计。根据辐射剂量与距离平方反比定律，可知为减少环境源辐射剂量的直接有效方法是增加受辐射干扰敏感器件与辐射源的距离。摄像系统采用长焦镜头、光路转化、变焦镜头、光纤传像三个方面考虑，设计结构图如图2。

其中，光纤传像束主要作用是在体积增加较小的前提下实现镜头与CCD之间的角度变化，进而降低γ射线对CCD的影响，光纤束直径为8μm，可传递200万像束图像，与工业相机CCD采用直连方式，并外加辐射防护屏蔽材料。

3 基于BP神经网络的源号识别

由于采用光纤传像技术，在保护CCD的同时也会导致图像画质呈现规则六边形的单根光纤边沿，图像处理技术可以有效提升源号识别的清晰度和自动化。目前，神经网络广泛应用在图像处理领域，本文采用BP神经网络对采集系统进行图像处理并识别源号，经过图像灰度化-灰度图像二值化-梯度锐化-去离散噪声-尺寸归一化，预处理流程图如图3。

其中，归一化后采用最简单的主行扫描方式，灰度转化后黑色位置特征值为1，白色处为0，进而形成与行列位置相对应的特征矩阵（9×15）。图像锐化后对图像采集过程中光纤引入造成的规则噪声，位置搜索并锁定，将对应位置的1至0，按照0或1形成网络的135个输入特征值，经过预处理，将采集信息中分布不规律的字符变为大小、排列相同的0-9特征矩阵，进而分析最能体现字符的特征向量。

BP神经网络通过不断修正误差实现对网权值的不断更新，具体算法为：

（1）网络结构的设计

按照BP神经网络结构，选用三层神经网络。利用newff函数对网络进行构建。其中输入节点为16*16=256，隐含层采用Sigmoid函数，第一个输出节点表示10个数字，输出层函数为pureline，隐藏层节点数设定为15。

（2）样本输入

选取视频采集系统真实采集并确认的（0-9）标号。并采用图像旋转工具，进行1°转换。构造训练样本集，预处理后构成训练所需的输入向量P和目标向量t。

（3）网络性能测试

选取新采集的100张图像作为比对，测试网络性能获取识别准确率。

4 结论

经过matlab编写m文件，输入人工识别准确数字为比对，识别准确率为97%，向训练好网络输入一张新的视频采集系统图像如图5，通过网络训练获得图6，该方法准确识别采集放射源标号。

参考文献：

[1]贾学军，吴贲华，汤泓.全方位移动机器人在辐射环境下的遥控维护应用研究[J].数码世界，2019（4）：16.

[2]张梁燕，李武森，陈文建，等.核辐射环境下的图像降噪[C]//全国第17次光纤通信暨第18届集成光学学术会议，2015.

[3]秦国辉，徐晓秋，赵孝文，等.辐射环境视觉智能监控系统[J].黑龙江科学，2011，2（02）：26-28.

[4]张煜东，王水花，陈书文，等.基于Matlab的数字图像处理教学[J].教育文化论坛，2014，6（3）：89-91.

[5]赵慧，姚黎志，尚云龙.核环境下信息的采集与处理技术研究[J].电子制作，2013（13）：130.

[6]陈嘉佳.热源辐射下空气介质成像的变化与补偿研究[D].天津大学，2007.