[发明专利]基于人工智能的静态堆码CO60放射源预警方法

说明书

基于人工智能的静态堆码CO60放射源预警方法。由于核辐射环境的复杂性，操作人员不能直接进入工作环境，因此对于辐射环境下的图像的处理则成为了识别的前提条件，如果不能正确识别辐射环境下货物的位置信息，并在其偏移正常位置时候发出预警则会导致卡源事件的发生。本发明采用⁶⁰Co‑γ辐射源模拟工作环境模拟；采用人工添加不同浓度的椒盐噪声进行辐射室中真实环境下的采集图像噪声的模拟，构建改进的MobilNetV3‑SSD算法网络，利用改进的算法进行模型的训练。本发明用于基于人工智能的静态堆码CO60放射源预警方法。

技术领域

本发明涉及辐射技术、计算机视觉、自动检测领域。

背景技术

随着核技术的快速发展，人们也将核能源应用到越来越多的领域，核技术应用也称非动力核技术应用，是利用同位素和电离辐射与物质相互作用所产生的物理、化学及生物效应来进行应用研究与开发的技术，被称为“核工业的轻工业”。 目前全国已有28个省、市、自治区的200多个单位，分别对200多种食品进行了辐照保鲜、杀虫灭菌、改善产品品质方面的研究。世界上已有60多个国家批准了300多种食品的辐照技术的应用。除了食品加工，同位素与辐射技术(核技术应用)还在医学、农业、工业、环保、公共安全等领域被广泛应用，同时也带来了巨大的经济效益。但是在带来巨大的利润的同时由于核辐射环境的复杂性，操作人员不能直接进入工作环境，因此对于辐射环境下的图像的处理则成为了识别的前提条件，如果不能正确识别辐射环境下货物的位置信息，并在其偏移正常位置时候发出预警则会导致卡源事件的发生，如果多天未有工作人员进入甚至会因为辐射源不能顺利降下而导致货物长时间被辐射从而引起火灾，给企业带来不可挽回的巨大损失。

发明内容

本发明的目的是解决上述所存在的问题，提供一种基于改进的MobilNetV3-SSD算法的辐照环境下的货物倾倒预警方法用来识别检测货物的位置信息，对于超出正常偏离范围的检测结果进行报警信息的反馈的基于人工智能的静态堆码CO60放射源预警方法。

上述的目的通过以下的技术方案实现：

一种基于人工智能的静态堆码CO60放射源预警方法，

该方法包括如下步骤：

步骤一：采用⁶⁰Co-γ辐射源模拟工作环境模拟，在CMOS两端加偏置电压，对CMOS芯片的耐辐射性能进行测试，在辐射室内四个角落布置四台CMOS相机进行图像的采集；

步骤二：采用人工添加不同浓度的椒盐噪声进行辐射室中真实环境下的采集图像噪声的模拟，之后采用中值滤波和改进后的自适应中值滤波对添加椒盐噪声的图像进行降噪处理图像去噪处理，并对两种方法进行效果验证，选择具有良好图像去噪性能的方法进行噪点的去除；

步骤三：将经上述操作后得到的去噪图片按照5:3:2的比例划分为训练集、测试集和验证集，对分好类别的数据集进行标注，形成xml文件并转换成PASCAL.VOC格式；

步骤四：构建改进的MobilNetV3-SSD算法网络：

改进的MobileNet-SSD网络将BN层和卷积层合并，从Conv1到Conv13是深可分离的卷积层，并在其后添加了8个标准卷积层，卷积层和BN层在添加的卷积层上合并，并提取Conv11，Conv13，Conv14_2，Conv15_2，Conv16_2和Conv17_2的卷积层作为detection layer以进行整合预选框、预选框偏移、置信度检测等过程；

步骤五：利用改进的算法进行模型的训练，使用训练好的模型对CO⁶⁰辐射环境下的货物进行分类识别和位置信息检测并进行效果验证；

步骤六：根据识别的物体将得到的多个同号的斜率进行线性拟合，将拟合后的斜率进行角度换算，对于10°-30°的偏移角采用报警的方式通知人工恢复到初始位置，对于超过30°的偏移角则需将放射源立即降下。