1 / 30

Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése

BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK. Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése. Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens: Dr. Dobrowiecki Tadeusz (BME MIT).

germane-craft
Download Presentation

Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens: Dr. Dobrowiecki Tadeusz (BME MIT)

  2. Fizikai háttér és felhasználás • Kozmikus, nagyenergiájú részecskék (sugárzás) detektálása egyre fontosabb (űrkorszak, űrturizmus) • Sugárzás hatása az emberi szervezetrenem elhanyagolható • Földön: sugárterhelés 17%-a kozmikuseredetű (a Föld mágneses tere még véd) • Űrben (űrutazás, űrséták): nincs természetes védelem

  3. Felmerülő kérdések • Felmerülő kérdések: • Milyen részecskékből áll a sugárzás (energia, tömeg, töltés)? • Mekkora a dózis? • Mik a hatások (rövid és hosszú távú)? • Válasz: Meg kellene mérni (lehetőleg helyben)! • Megoldás: Szilárdtest nyomdetektorok (CR-39)

  4. Detektorok analizálása

  5. Amit tudunk… • Az intenzitásképekről egyértelműen lehet következtetni a részecske fajtájára, energiájára • A részecske „nyom” felszínnel párhuzamos metszete egy ellipszis • Az ellipszis paramétereiből és a részecske „nyom” más adataiból (hossz, mélység…) kiszámítható az energia

  6. IMAN 2.0, Problémafelvetés • Általános képfeldolgozó szoftver • Alapvető képfeldolgozási eszközök és eljárások megtalálhatók benne • Hiányosságok: • kozmikus részecske specifikus, magas szintű feldolgozás (és a speciális esetek kezelése) • háttérdetektálás magasabb szintű megoldása • Cél: algoritmusok létrehozása ezek kezelésére (az algoritmusok bemenete az IMAN kimenete)

  7. Konkrét problémák • Összetett (egymást fedő) részecske nyomok szétválasztása • „Csepp” alakú részecske nyomok kezelése • Háttér egyenetlenségeinek kiküszöbölése

  8. Belső görbület • Második derivált (meredekség változás) • Kontúroknál: iránytangens változás (relatív) • Előjeles formájával meghatározhatók a konvex és konkáv szakaszok • Simított körvonalra igen robusztusan működik

  9. Lenyomat (signature) • A körvonal egy reprezentációja • Csökkenti az eredeti probléma dimenzióját (2D1D) • Pl.: egy kitüntetett ponttól vett távolság és a bezárt szög függvénye

  10. Lenyomat (signature) • Saját lenyomat készítése: • csepp alakú nyom középtengelyének megkeresése • körvonalpontok távolságának ábrázolása • közelítése 4-ed fokú függvénnyel • illeszkedés minősége (hibája) jellemzi az alakot

  11. Algoritmusok • Összetett nyomok szétválasztása: • Belső görbület a körvonal minden pontjára • Hu-paraméterek a konvex szakaszokra • A kiválogatott konvex szakaszokra ellipszisekillesztése • Csepp alakú nyomok: • Saját lenyomat készítése • Azonosított nyomokra ellipszis illesztés

  12. Háttérdetektálás • Adaptív módszer • Ndb képből határozzuk meg minden pixelre a háttérintenzitás értékét • Egy pixel háttérintenzitása az adott pixelhez tartozó értékek (N db) mediánja lesz • Új kép beérkezésekor a pixelértékeket frissítjük a legutóbbi N darabra (adaptivitás) • A küszöbözés ez alapján minden pixelre külön történik • Ezzel kiküszöbölhető: • megvilágítás egyenetlensége • megvilágítás változása a felvételek között

  13. Implementáció és tesztelés • MATLAB 7.7(fájlbeolvasás, algoritmusok, eredmény megjelenítők) • Tesztadatok: előzőleg, szakemberek által kiértékelt detektorok képei és statisztikái • Tesztelés célja: az algoritmusok helyességének, használhatóságának ellenőrzése

  14. Teszteredmények • Összetett nyomok szétválasztása • 1. teszt (labor detektor) • Pontosság: 98% • 2. teszt (űrdetektor) • Pontosság: 79%

  15. Teszteredmények • Csepp alakú nyomok azonosítása (űrdetektor) • Pontosság: 68% • képfeldolgozás lépéseiben is van hiba (15%) • hamis negatív eredmények minimalizálása ↔ igaz pozitív eredmény is romlik

  16. Értékelés • Mindkét algoritmus működőképes (az irány jó) • Cseppek felismerése nem elég robusztus • Összetett nyomok szétválasztásából az összes részecske 25%-a származik, és az össznyomszám 10%-a csepp alakú nyom • fontos az algoritmusok helyes működése(már most sokat számít) • Futási idők: képmezőnként 15ms - 30ms (kielégítő)

  17. Kitekintés, fejlesztési lehetőségek • Algoritmusok tökéletesítése további leírók bevonásával, kombinálásával (komponens analízis?) • Előfeldolgozási lépések (IMAN makro) felülvizsgálata, finomítása • IMAN programcsomagba való integrálás (Real-Time feldolgozás) • Kezelői felület kialakítása, az algoritmusok vizualizálásához, paraméterezéséhez

  18. „Sic Itur ad Astra”(„Így jutunk a csillagokig”) Köszönöm a figyelmet!

More Related