РОЗВ’ЯЗАННЯ ОБЕРНЕНОЇ ЗАДАЧІ ЛОКАЛІЗАЦІЇ ДЖЕРЕЛ ІОНІЗУЮЧОГО ВИПРОМІНЮВАННЯ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ: ВІД ПЕРЕТВОРЕННЯ ХАФА ДО СУБПІКСЕЛЬНОГО УТОЧНЕННЯ
DOI:
https://doi.org/10.32782/geotech2025.39.07Ключові слова:
БПЛА, радіаційний моніторинг, перетворення Хафа, метод Таубіна, локалізація джерел, обробка розріджених даних, комп’ютерний зір.Анотація
У роботі розглядається актуальна проблема оперативного пошуку та локалізації втрачених джерел іонізуючого випромінювання з використанням безпілотних літальних апаратів (БПЛА). Традиційні методи радіаційної розвідки стикаються з викликами обробки розріджених просторових даних та високого рівня стохастичного шуму, характерного для бортових детекторів. Метою роботи є розроблення стійкого (робастного) алгоритмічного забезпечення для автоматизованої реконструкції радіаційних полів та високоточної ідентифікації аномалій. Запропоновано гібридний підхід, що адаптує методи комп’ютерного зору для задач радіоекологічного моніторингу. Методологія обробки даних включає: просторову інтерполяцію методом природних сусідів для відновлення безперервної топології поля; адаптивну фільтрацію Гаусса для мінімізації пуассонівського шуму; виділення градієнтних контурів за допомогою детектора Canny. Ключовим етапом є застосування перетворення Хафа для детекції центрів радіаційних аномалій, параметри яких додатково уточняються алгебраїчним методом Таубіна для досягнення субпіксельної точності. Валідацію запропонованого підходу проведено шляхом чисельного моделювання з імітацією реальних умов польоту та статистичних характеристик розпаду. Результати експериментів продемонстрували високу точність алгоритму: середньоквадратична похибка локалізації (RMSE) становила 0.99 м. Ефективність методики також підтверджено на натурних даних, отриманих під час моніторингу ділянки «Піщане плато» у Чорнобильській зоні відчуження. Доведено, що розроблений підхід дає змогу локалізувати джерела в режимі квазіреального часу, що робить його ефективним інструментом для систем реагування на радіаційні загрози.
Посилання
Canny, J. (1986). A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6), 679–698.
Chen, C. M., Sinclair, L. E., Fortin, R., Coyle, M., & Samson, C. (2020). In-flight performance of the Advanced Radiation Detector for UAV Operations (ARDUO). Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 954, 161609.
Chilès, J. P., & Delfiner, P. (2012). Geostatistics: Modeling spatial uncertainty. John Wiley & Sons.
Czaja, B., Maslanka, K., Skokowski, P., & Kelner, J. (2025). Overview of mutual localization methods between UAVs in a swarm. TransNav: International Journal on Marine Navigation and Safety of Sea Transportation, 19.
Dubois, G. (2008). Advances in automatic interpolation for real-time mapping. Stochastic Environmental Research and Risk Assessment, 22(5), 597–599.
Dubois, P. (2024). Methods for automatization of radiotherapy treatment planning [Doctoral dissertation, Université Paris-Saclay].
Duda, R. O., & Hart, P. E. (1972). Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM, 15(1), 11–15.
Kasperek, D., & Podpora, M. (2024). Optimizing geospatial data for ML/CV applications: A Python-based approach. Applied Sciences, 14(24).
Khomutinin, Yu. V., Levchuk, S. Ye., Protsak, V. P., & Kashparov, V. O. (2020). Kartohrafuvannia radioaktyvnoho zabrudnennia iz zadanym rivnem doviry [Mapping of radioactive contamination with a given level of confidence]. Nuclear Physics & Atomic Energy, 21(3).
Lin, S., Ning, S., Zhu, H., & others. (2024). Neural network methods for radiation detectors and imaging. Frontiers in Physics, 12, 1334298.
Martin, P. G., Payton, O. D., Fardoulis, J. S., Richards, D. A., Yamashiki, Y., & Scott, T. B. (2016). 3D unmanned aerial vehicle radiation mapping for assessing contaminant distribution and mobility. International Journal of Applied Earth Observation and Geoinformation, 52, 12–19.
Morelande, M. R., & Skvortsov, A. (2009). Radiation field estimation using a Gaussian mixture. In Proceedings of the 12th International Conference on Information Fusion (pp. 2247–2254).
Nosenko, T., & Mashkina, I. (2025). Modeliuvannia protsesiv obrobky ekolohichnykh danykh dlia system mobilnoho monitorynhu na osnovi BPLA ta metodu IDW [Modeling of environmental data processing processes for UAV-based mobile monitoring systems and IDW method]. Cybersecurity: Education, Science, Technique, 2(30), 110–124.
Opanasiuk, B. M., & Mokin, V. B. (2025). Rozrobka informatsiinoi tekhnolohii heostatystychnoho analizu radiatsiinoho zabrudnennia v Yevropi [Development of information technology for geostatistical analysis of radiation pollution in Europe] [Doctoral dissertation, VNTU].
Popov, O., Bondar, O., Ivaschenko, T., & others. (2023). Features of the modern UAV-based complexes use to solve radiation control problems. In Systems, Decision and Control in Energy IV (pp. 35–57). Springer.
Taubin, G. (1991). Estimation of planar curves, surfaces, and nonplanar space curves defined by implicit equations with applications to edge and range image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 13(11), 1115–1138.
Trysnyuk, V. M., & Nagornyi, Ye. I. (2024). Vykorystannia metodiv interpoliatsii dlia obrobky danykh radiatsiinoi rozvidky [Use of interpolation methods for processing radiation reconnaissance data]. Telekomunikatsiini ta informatsiini tekhnolohii, 1, 73–78.
Trysnyuk, V., Nagornyi, E., Trysnyuk, T., Konetska, O., & Kurilo, A. (2022). Metodyka vyiavlennia radiatsiinoho zabrudnennia mistsevosti ta yoho ryzykiv [Methodology for detecting radiation contamination of the area and its risks]. Systemy upravlinnia, navihatsii ta zviazku, 3(69), 112–115.
Watson, D. F. (1992). Contouring: A guide to the analysis and display of spatial data. Pergamon Press.
West, A., Tsitsimpelis, I., Licata, M., & others. (2021). Use of Gaussian process regression for radiation mapping of a nuclear reactor with a mobile robot. Scientific Reports, 11(1), 13975.
Xu, S., Hou, Z., Wei, C., & others. (2026). Real-time radiation noise suppression and dose detection method based on FPGA with comparative analysis with deep learning methods. Expert Systems with Applications, 295, 128906.
