CN116359974B - 一种管道内铀放射性污染检测数据处理方法 - Google Patents
一种管道内铀放射性污染检测数据处理方法 Download PDFInfo
- Publication number
- CN116359974B CN116359974B CN202310425286.7A CN202310425286A CN116359974B CN 116359974 B CN116359974 B CN 116359974B CN 202310425286 A CN202310425286 A CN 202310425286A CN 116359974 B CN116359974 B CN 116359974B
- Authority
- CN
- China
- Prior art keywords
- target
- data point
- noise
- degree
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 229910052770 Uranium Inorganic materials 0.000 title claims abstract description 45
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000003904 radioactive pollution Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 87
- 238000001228 spectrum Methods 0.000 claims description 154
- 230000003595 spectral effect Effects 0.000 claims description 141
- 230000008859 change Effects 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 16
- 238000011109 contamination Methods 0.000 claims description 15
- 230000002285 radioactive effect Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000003599 detergent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000752 ionisation method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 101001026137 Cavia porcellus Glutathione S-transferase A Proteins 0.000 description 1
- 101001026109 Gallus gallus Glutathione S-transferase Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005262 alpha decay Effects 0.000 description 1
- 230000005260 alpha ray Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/167—Measuring radioactive content of objects, e.g. contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
- G01T1/362—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry with scintillation detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种管道内铀放射性污染检测数据处理方法,该方法通过对α能谱图进行分析,对谱线进行分段处理,基于不同段谱线上数据点位置分布特征和对应α能谱图的同类α能谱图之间的差异得到最终噪声程度,根据每条谱线段上数据点最终噪声程度的分布情况得到预选滤波窗口,根据预选滤波窗口针对不同数据点进行滤波时的优选值选择每个数据的最优滤波窗口,根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪。本发明在通过对每个数据点选取最优滤波窗口的方法能够准确的滤除噪声并且能够避免将有效数据滤除,提高了铀放射性污染检测精度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种管道内铀放射性污染检测数据处理方法。
背景技术
随着核工业的不断发展,一部分核工业设施进入退役或即将退役阶段,而核管道又是核工业中的重要核工业设施,因此针对退役的核管道内放射性污染检测是实施核工业设施退役的关键技术问题。传统技术中对管道内核污染的检测方法一般是通过电离法,核工业技术中铀放射性污染主要时产生α衰变,所以可通过对管道内壁α污染的检测来完成管道内铀放射性污染的检测,但是电离法测量的管道长度范围有限,容易受到β粒子以及检测环境的影响,并且定位具体铀放射性污染位置的能力较差,具有较大的局限性。根据现有技术中可通过管道机器人和α能谱仪检测管道对应的α能谱图,根据α能谱图的数据谱线完成管道内铀放射性污染检测处理。
但是在通过管道机器人携带辐射探测器进行α能谱的获取时,由于放射性核素衰变和α能谱仪的固有统计涨落、α射线散射、电子学***噪声等因素导致最终得到的α能谱图受到噪声的影响较为严重,使得α能谱图对应的谱线上出现假峰或掩盖弱峰等现象。因此在采用现有的谱线噪声去除方法时,出现由于滤波窗口大小选择不当导致漏失弱峰以及不能分辨距离很近的重峰等现象,进一步造成噪声不能准确滤除以及误将有效数据滤除等问题使得去噪的效果较差,从而降低铀放射性污染检测精度。
发明内容
为了解决现有的谱线噪声去除方法去除α能谱图噪声时,出现由于滤波窗口大小选择不当导致漏失弱峰以及不能分辨距离很近的重峰等现象,进一步造成噪声不能准确滤除以及误将有效数据滤除等问题使得去噪的效果较差,从而降低铀放射性污染检测精度技术问题,本发明的目的在于提供一种管道内铀放射性污染检测数据处理方法,所采用的技术方案具体如下:
本发明提出了一种管道内铀放射性污染检测数据处理方法,所述方法包括:
获取铀放射性待测管道内壁每个区域的α能谱图谱线;
将每条α能谱图谱线划分为至少两条谱线段,根据每条谱线段上所有数据点的位置分布特征得到每个数据点的第一噪声程度,根据第一噪声程度对每个数据点进行筛选得到标记数据点,根据每条谱线段上标记数据点的位置分布特征得到所有数据点的第二噪声程度;
获取每条α能谱图谱线的同类α能谱图谱线,根据每个数据点的第二噪声程度和第一噪声程度的差异得到数据点噪声程度变化特征,根据数据点的噪声程度变化特征和数据点所处α能谱图谱线与同类α能谱图谱线之间的差异特征得到最终噪声程度;根据最终噪声程度对每个数据点进行筛选得到标准数据点,根据每条谱线段上数据点的最终噪声程度和标准数据点的位置分布特征得到平滑程度,根据每条谱线段的平滑程度获得不同尺寸的预选滤波窗口,根据每条谱线段的每个预选滤波窗口内数据点的最终噪声程度分布特征和滤波后数据点的数据值变化特征,选取每个数据点对应的最优滤波窗口;
根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪,根据去噪后的α能谱图谱线对应的α能谱图进行铀放射性污染检测。
进一步地,所述第一噪声程度的获取方法包括:
对目标谱线段上的数据点进行直线拟合得到对应的拟合直线;
若目标数据点不为端点,则计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与所述拟合直线的方向角度的角度差异;根据所述角度差异与目标数据点到所述拟合直线的距离的乘积,得到目标数据点的第一噪声程度;所述向量包括前向量和后向量,所述前向量由前一个数据点指向目标数据点,所述后向量由于目标数据点指向后一个数据点;
若目标数据点为端点,则计算目标数据点在目标谱线段上邻接的数据点之间向量的方向角度与所述拟合直线的方向角度的角度差异;根据所述角度差异的二倍与目标数据点到所述拟合直线的距离的乘积,得到目标数据点的第一噪声程度;当目标数据点为起始端点时,所述向量由目标数据点指向后一个数据点;当目标数据点为终止端点时,所述向量由前一个数据点指向目标数据点;
改变目标数据点得到目标谱线段上所有数据点的第一噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第一噪声程度。
进一步地,所述第二噪声程度的获取方法包括:
对目标谱线段上的标记数据点进行直线拟合得到对应的改进拟合直线,计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与所述改进拟合直线的方向角度的改进角度差异,根据所述改进角度差异与目标数据点到所述改进拟合直线的距离的乘积,得到目标数据点的第二噪声程度;
改变目标数据点得到目标谱线段上所有数据点的第二噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第二噪声程度。
进一步地,所述最终噪声程度的获取方法包括:
获得目标α能谱图谱线上目标数据点的第一噪声程度和第二噪声程度,计算目标数据点的所述第一噪声程度和所述第二噪声程度的差异得到噪声程度变化特征值;
获得所述目标α能谱图谱线的所有同类α能谱图谱线,计算所述目标α能谱图谱线与每个同类α能谱图谱线的曲线相似度,统计每条同类α能谱图谱线中与目标α能谱图谱线的目标数据点对应位置的同类数据点,获得每个同类数据点的第二噪声程度,计算目标数据点与每个同类数据点之间第二噪声程度的差异得到同类噪声差异,根据目标数据点的每个同类数据点对应的同类噪声差异、第二噪声程度和所处同类α能谱图谱线对应的曲线相似度的乘积的累加和,得到目标数据点的随机噪声影响值;
根据目标数据点对应的噪声程度变化特征值和随机噪声影响值的和值,得到目标数据点的最终噪声程度;改变目标数据点得到目标α能谱图谱线上每个数据点的最终噪声程度,改变目标α能谱图谱线得到所有数据点的最终噪声程度。
进一步地,所述平滑程度的获取方法包括:
对目标谱线段上的标准数据点进行直线拟合得到对应的最终拟合直线,计算目标谱线段上所有数据点到最终拟合直线的距离方差,计算目标谱线段上每个数据点到最终拟合直线的距离与对应的最终噪声程度之间乘积的累加和,得到累加和,将所述距离方差与所述累加和的乘积进行负相关映射后得到目标谱线段的平滑程度。
进一步地,所述预选滤波窗口的获取方法包括:
将目标谱线段的平滑程度归一化处理得到归一化平滑程度值;当所述归一化平滑程度值大于等于预设平滑程度阈值时,将数值1与归一化平滑程度值的差值与预设调节参数的乘积向下取整得到预选最大滤波窗口尺寸值,所述最大滤波窗口尺寸值为正奇数;当所述归一化平滑程度值小于预设平滑程度阈值时,将数值2与归一化平滑程度值的差值与预设调节参数的乘积向上取整得到预选最大滤波窗口尺寸值,所述最大滤波窗口尺寸值为正奇数;
筛选出所有小于等于所述预选最大滤波窗口尺寸值中所有正奇数,得到目标谱线段的所有预选滤波窗口尺寸值;根据预选滤波窗口尺寸值获得所有预选滤波窗口,所述预选滤波窗口为正方形窗口;
改变目标谱线段得到每个谱线段的所有预选滤波窗口。
进一步地,所述最优滤波窗口的获取方法包括:
统计目标谱线段的所有预选滤波窗口和所有数据点,计算目标数据点与最近极值点的欧氏距离得到极值影响程度,以目标数据点为中心选用目标预选滤波窗口进行滤波,统计滤波前后目标数据点的数据值差异,将所述极值影响程度和所述数据值差异的乘积进行负相关映射,得到目标数据点选用目标预选滤波窗口滤波时对应的滤波干扰特征值;
获得目标预选滤波窗口的窗口尺寸值,将目标预选滤波窗口中所有数据点的最终噪声程度负相关映射后累加得到最终噪声程度分布特征值,计算目标数据点选用目标预选滤波窗口滤波时对应的干扰特征值与所述最终噪声程度分布特征值的乘积,计算所述乘积与所述窗口尺寸值的比值得到目标数据点选用目标预选滤波窗口的优选值;
改变目标预选滤波窗口得到目标数据点所处目标谱线段对应的所有预选滤波窗口的优选值,选择优选值最大的预选滤波窗口作为目标数据点的最优滤波窗口;
改变目标数据点得到目标谱线段中所有数据点的最优滤波窗口,改变目标谱线段
得到所有能谱图谱线中所有数据点的最优滤波窗口。
进一步地,所述滤波前后目标数据点的数据值差异获取方法包括:
获得目标数据点通过目标预选滤波窗口滤波前的数据值,将目标预选滤波窗口内每个数据点的最终噪声程度归一化得到归一化最终噪声程度,计算目标预选滤波窗口中每个数据点的归一化最终噪声程度负相关映射后的映射值与对应数据值的乘积的均值,得到目标数据点通过目标预选滤波窗口后的数据值,计算目标数据点通过目标预选滤波窗口前后的数据值差异得到所述数据值差异。
进一步地,所述谱线段的获取方法包括:
获取目标α能谱图谱线的极值点,以所述极值点作为间隔点将目标α能谱图谱线划分为至少两条谱线段,改变目标α能谱图谱线得到每条α能谱图谱线的所有谱线段。
本发明具有如下有益效果:
考虑到在管道内壁中,局部的核污染具有一定的蔓延特征且α能谱图反映的为放射性核素的种类和含量,所以在管道内壁某处出现铀放射性污染时,则该处所采集到的α能谱图通常具有一定的相似性特征,因此本发明实施例根据数据点的噪声程度变化特征和所处α能谱图谱线与同类α能谱图谱线之间的差异特征得到最终噪声程度,通过最终噪声程度准确的表征每个数据点受到噪声的影响,提高了后续选择滤波窗口时的准确性。进一步地根据每条谱线段的平滑程度和每个数据点的最终噪声程度,自适应选取每个数据点滤波效果最好的最优滤波窗口。由于最优滤波窗口的选择参考了表征准确噪声影响的最终噪声程度,以及对每个预选滤波窗口的滤波后数据点的数据值变化特征,所以在基于最优滤波窗口对数据进行去噪处理时,本发明能够准确的滤除噪声并且能够避免将有效数据滤除,提高了铀放射性污染检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种管道内铀放射性污染检测数据处理方法流程图;
图2为本发明一个实施例所提供的环形阵列ZnS(Ag)涂层塑料闪烁体的管道内铀沾污自动探测装置图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种管道内铀放射性污染检测数据处理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种管道内铀放射性污染检测数据处理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种管道内铀放射性污染检测数据处理方法流程图,该方法包括:
步骤S1:获取铀放射性待测管道内壁每个区域的α能谱图谱线。
本发明旨在提供一种管道内铀放射性污染检测数据处理方法,用于通过对数据谱线进行处理,准确的去除数据谱线中的噪声,提高对所检测数据的检测精度。本发明实施例所针对的主要实施场景为:通过管道机器人携带辐射探测器、旋转定位***和洗消装置直接进入管道,并通过采集到的α能谱图测量、定位铀放射性污染。需要说明的是,本发明实施例所提供的数据处理方法适用于所有与铀放射性在管道表面分布特征相似的实施场景,本发明实施例主要针对铀放射性污染数据进行分析处理。因此首先需要获取铀放射性待测管道内壁每个区域的α能谱图谱线,具体的:
请参阅图2,其示出了本发明一个实施例提供的环形阵列ZnS(Ag)涂层塑料闪烁体的管道内铀沾污自动探测装置图,图2中所示的装置主要包括去污剂储存罐、去污剂喷头、α能谱测量仪、管道机器人和三块污染探测器,其中采集α能谱图的采集工具为污染探测器,三个探测器两两之间的夹角相同,当装置停留在管道内部的某一区域时,三块污染探测器整体旋转8次,每次旋转15度获取对应区域整个环形内壁所有表面对应的α能谱图,进一步通过管道机器人的移动获取每个区域的α能谱图。本发明实施例通过图2所示的环形阵列ZnS(Ag)涂层塑料闪烁体的管道内铀沾污自动探测装置获取铀放射性待测管道内壁每个区域的α能谱图,以α能谱图的α粒子的能量即脉冲幅度为横坐标,以α粒子数即计数率为纵坐标,建立坐标系并拟合对应的α能谱图谱线。
步骤S2:将每条α能谱图谱线划分为至少两条谱线段,根据每条谱线段上所有数据点的位置分布特征得到每个数据点的第一噪声程度,根据第一噪声程度对每个数据点进行筛选得到标记数据点,根据每条谱线段上标记数据点的位置分布特征得到所有数据点的第二噪声程度。
考虑到噪声往往是随机存在的,因此α能谱图谱线上受到噪声影响的数据点的数据值相比于真实数据值,存在一定的差异,且受到噪声影响的程度越大,数据值相对于真实数据值的差异越大。进一步地,为了能够使得α能谱图谱线上每个数据点受到噪声的影响所表现出的特征更加清晰,将整条α能谱图谱线划分为若干条谱线段,若某处位置的数据受到噪声影响,则对应位置的数据点的数值大小会发生变化,进而在曲线上的位置也会改变,根据每条谱线段上数据点的位置分布初步得到的每个数据点受到噪声影响的情况。本发明实施例将每条α能谱图谱线的划分为至少两条谱线段,根据每条谱线段上所有数据点的位置分布特征得到每个数据点的第一噪声程度。
优选地,谱线段的获取方法包括:
获取目标α能谱图谱线的极值点,极值点即为谱线上的波峰点与波谷点。需要说明的是,谱线极值点的获取方法为本领域技术人员所熟知的现有技术,在此不做进一步限定和赘述。
以极值点作为间隔点将目标α能谱图谱线划分为至少两条谱线段,改变目标α能谱图谱线得到每条α能谱图谱线的所有谱线段。根据极值点划分α能谱图谱线,能够使得所划分出的每条谱线段上数据点的数据值都存在一定的趋势,使得每个数据点在受到噪声影响时对应的噪声影响程度更加明显。
优选地,第一噪声程度的获取方法包括:
对目标谱线段上的数据点进行直线拟合得到对应的拟合直线。在本发明实施例中,根据目标谱线段上的数据点通过最小二乘法得到对应的拟合直线,通过最小二乘法能够使得拟合直线更加靠近不存在噪声时的谱线段,并且整体的误差较小。需要说明的是,最小二乘法为本领域技术人员所熟知的现有技术,在此不做进一步限定和赘述。
若目标数据点不为端点:
则计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与拟合直线的方向角度的角度差异。通过该角度差异能够从角度方向方面体现出目标数据点相对于拟合直线的偏离程度,当目标数据点对应的角度差异越大时,说明目标数据点的偏离程度越大,该数据点越可能为噪声,即第一噪声程度越大。
根据角度差异与目标数据点到拟合直线的距离的乘积,得到目标数据点的第一噪声程度;改变目标数据点得到目标谱线段上所有数据点的第一噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第一噪声程度。在角度差异的基础上结合目标数据点到拟合直线的距离能够使得对目标数据点的第一噪声程度的表征更加准确。当目标数据点到拟合直线的距离越远时,说明目标数据点的偏离程度越大,该数据点越可能为噪声,即第一噪声程度越大。
目标数据点不为端点时的第一噪声程度的获取方法在公式上表现为:
其中,为数据点的第一噪声程度,为数据点在对应的谱线段上与
后一个邻接的数据点之间的向量所对应的方向角度,为数据点在对应
的谱线段上与前一个邻接的数据点之间的向量所对应的方向角度,为数据点对应的拟合直线的方向角度,为数据点到对应的拟合直线的距离。为数据点对应的角度差异,整体表征数据点相对于拟合
直线在角度方向上的偏离程度;当数据点对应的角度差异越大时,越大,对应的数据点的第一噪声程度越大。表征数据点相对于拟合直线在距离上的偏离程度,当数据点到对应拟合直线的距离越远时,说明
数据点的第一噪声程度越大。
若目标数据点为端点:
则计算目标数据点在目标谱线段上邻接的数据点之间向量的方向角度与拟合直线的方向角度的角度差异;根据角度差异的二倍与目标数据点到拟合直线的距离的乘积,得到目标数据点的第一噪声程度。当目标数据点为起始端点时,向量由目标数据点指向后一个数据点;当目标数据点为终止端点时,向量由前一个数据点指向目标数据点。需要说明的是,目标数据点为端点和目标数据点不为端点时对应的第一噪声程度的获取原理相同,在此不做进一步赘述。
由于第一噪声程度的获取时基于所有数据点的位置分布特征得到的,导致对应的第一噪声程度会受到噪声数据点位置分布特征的影响,所以对应的第一噪声程度不够精确,因此需要对所得到的第一噪声程度进行进一步优化。本发明实施例根据第一噪声程度对每个数据点进行筛选得到标记数据点,以标记数据点作为参考,根据每条谱线段上标记数据点的位置分布特征得到所有数据点的第二噪声程度。
将第一噪声程度小于预设噪声程度阈值的数据点作为标记数据点,将第一噪声程度大于等于预设噪声程度阈值的数据点作为疑似噪声数据点。当数据点的第一噪声程度大于等于预设噪声程度阈值时,说明对应的数据点相对于对应谱线段上整体数值趋势的偏离程度较大,对应为噪声的可能性较大;当数据点的第一噪声程度小于等于预设噪声程度阈值时,说明对应的数据点相对于谱线段上整体数值区域的偏离程度较小,对应为噪声的可能性较小。因此进一步根据每条谱线段上标记数据点的位置分布特征改进第一噪声程度,能够使得改进后的第二噪声程度更加准确。在本发明实施例中,预设噪声程度阈值设置为0.8。需要说明的是,实施者可根据具体实施情况自行选取预设噪声程度阈值的大小,在此不做进一步赘述。
优选地,第二噪声程度的获取方法包括:
对目标谱线段上的标记数据点进行直线拟合得到对应的改进拟合直线。改进拟合直线相对于改进前的拟合直线,在拟合过程中排除了噪声可能性较大的数据点,受到噪声的影响更小,且更加靠近不存在噪声时的谱线段。本发明实施例通过最小二乘法对目标谱线段上的标记数据点进行直线拟合得到对应的改进拟合直线。
计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与改进拟合直线的方向角度的改进角度差异,根据改进角度差异与目标数据点到改进拟合直线的距离的乘积,得到目标数据点的第二噪声程度。改变目标数据点得到目标谱线段上所有数据点的第二噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第二噪声程度。需要说明的是,第二噪声程度的获取过程相对于第一噪声程度的获取过程,仅改变了拟合直线的位置,在获取方法上并无差异,在此不对获取第二噪声程度过程中的每个参数意义做进一步赘述。
步骤S3:获取每条α能谱图谱线的同类α能谱图谱线,根据每个数据点的第二噪声程度和第一噪声程度的差异得到数据点噪声程度变化特征,根据数据点的噪声程度变化特征和数据点所处α能谱图谱线与同类α能谱图谱线之间的差异特征得到最终噪声程度;根据最终噪声程度对每个数据点进行筛选得到标准数据点,根据每条谱线段上数据点的最终噪声程度和标准数据点的位置分布特征得到平滑程度,根据每条谱线段的平滑程度获得不同尺寸的预选滤波窗口,根据每条谱线段的每个预选滤波窗口内数据点的最终噪声程度分布特征和滤波后数据点的数据值变化特征,选取每个数据点对应的最优滤波窗口。
通过步骤S2得到数据点的第一噪声程度和第二噪声程度,但是每个α能谱图谱线上所有数据点的第一噪声程度和第二噪声程度都是根据数据点本身得到的,无法准确的得到每个数据点受到随机噪声影响的准确噪声程度。考虑到本发明实施例所检测的铀放射性污染具有一定的蔓延特征,即当管道内壁出现铀放射性污染时,由于α能谱图反映的为放射性核素的种类与含量,对应出现铀放射性污染的位置处采集到所有的同类α能谱图之间通常具有一定的相似性特征,且在不受到噪声影响时对应的相似度通常很高。因此本发明实施例可根据每个α能谱图与对应的同类α能谱图之间的相似性特征,结合每个数据的第一噪声程度和第二噪声程度得到每个数据点受到随机噪声影响真实噪声程度。
首先需要获取每条α能谱图谱线的同类α能谱图谱线。由于本发明实施例通过图2所示的环形阵列ZnS(Ag)涂层塑料闪烁体的管道内铀沾污自动探测装置采集α能谱图,因此在对管道内壁的每个区域进行探测时,每个探测器都能得到8张α能谱图,即每个区域对应24张α能谱图。进一步地,将每个区域中每个探测器所得到的8张α能谱图作为同类能谱图,即本发明实施例对应的每个α能谱图都能得到7个同类α能谱图,对应的每条α能谱图谱线都能得到7个同类α能谱图谱线。
进一步地,根据每个数据点的第二噪声程度和第一噪声程度的差异得到数据点噪声程度变化特征,根据数据点的噪声程度变化特征和数据点所处α能谱图谱线与同类α能谱图谱线之间的差异特征得到最终噪声程度。
优选地,最终噪声程度的获取方法包括:
获得目标α能谱图谱线上目标数据点的第一噪声程度和第二噪声程度,计算目标数据点的第一噪声程度和第二噪声程度的差异得到噪声程度变化特征值。该噪声程度变化特征值越大,说明第一噪声程度对应的精度越低。对于没有受到噪声影响的正常数据点,对应的第一噪声程度和第二噪声程度均较小,对应的噪声程度变化特征值较小;对于误判噪声点,即根据第一噪声程度使得噪声点误判为正常点和正常点误判为噪声点的数据点,对应的噪声程度变化特征值较大;对于判断正确的噪声点,即根据第一噪声程度和第二噪声程度都能判定为噪声点的数据点,对应的第一噪声程度和第二噪声程度均较大,且噪声变化特征值较小。进一步地,在后续过程中,通过加入噪声程度变化特征值计算最终噪声程度,能够使得所得到的最终噪声程度包含数据点误判的信息,从而有效减少数据点的误判情况。
获得目标α能谱图谱线的所有同类α能谱图谱线,计算目标α能谱图谱线与每个同类α能谱图谱线的曲线相似度。在最终噪声程度的计算过程中,加入曲线相似度,能够减少同类α能谱图谱线中存在相似度较低α能谱图谱线对最终噪声程度的影响,减少计算误差。需要说明的是,谱线之间曲线相似度的计算为本领域技术人员所熟知的现有技术,在此不做进一步限定和赘述。
统计每条同类α能谱图谱线中与目标α能谱图谱线的目标数据点对应位置的同类数据点,获得每个同类数据点的第二噪声程度,计算目标数据点与每个同类数据点之间第二噪声程度的差异得到同类噪声差异。由于噪声具有随机性,当目标α能谱图谱线上目标数据点为噪声点时,在同类α能谱图谱线上对应位置的数据点往往为正常点,对应的噪声程度存在差异,即目标数据点与每个同类α能谱图谱线上对应位置的数据点差异越大时,同类噪声差异越大,说明目标数据点的受到随机噪声的影响越大。
根据目标数据点的每个同类数据点对应的同类噪声差异、第二噪声程度和所处同类α能谱图谱线对应的曲线相似度的乘积的累加和,得到目标数据点的随机噪声影响值;随机噪声影响值在第二噪声程度的基础上,引入目标数据点与同类α能谱图谱线上对应位置的数据点之间的差异。通过与目标数据点所处α能谱图谱线具有一定相似特征的α能谱图谱线之间的差异减少随机噪声的影响,使得所计算出的最终噪声程度对真实噪声程度的表征更加准确。当与目标数据点所处α能谱图谱线对应的同类α能谱图谱线的曲线相似度越高,同类噪声差异越大,第二噪声程度越大时,说明目标数据点的受到噪声影响的程度越大,即随机噪声影响值越大。
根据目标数据点对应的噪声程度变化特征值和随机噪声影响值的和值,得到目标数据点的最终噪声程度;改变目标数据点得到目标α能谱图谱线上每个数据点的最终噪声程度,改变目标α能谱图谱线得到所有数据点的最终噪声程度。通过目标数据点对应的噪声程度变化特征值和随机噪声影响值得到最终噪声程度,能够有效减少数据点误判情况的同时,对真实噪声程度的表征更加准确。
最终噪声程度的获取方法在公式上表现为:
其中,为目标数据点的最终噪声程度,为目标数据点所在α能谱图谱线上
获取的第一噪声程度,为目标数据点所在α能谱图谱线上获取的第二噪声程度,为
α能谱图谱线与对应的第个同类α能谱图谱线之间的曲线相似度,为与目标数据点在
所在的α能谱图谱线对应的第个同类α能谱图谱线上对应位置的数据点的第二噪声程
度。为目标像素点所在α能谱图谱线对应的同类α能谱图谱线的数量,在本发明实施例
中,目标像素点所在α能谱图谱线对应的同类α能谱图谱线的数量为7。
至此,完成所有数据点最终噪声程度的获取。进一步地根据每条谱线段上所有数据点的最终噪声程度获取对应的谱线段受到噪声的干扰程度,进一步根据每条谱线段受到噪声的干扰程度选取合适尺寸大小的滤波窗口进行滤波,完成谱线的去噪。本发明实施例根据最终噪声程度对每个数据点进行筛选得到标准数据点,根据每条谱线段上标准数据点的最终噪声程度和标准数据点的位置分布特征得到平滑程度。获取每条谱线段平滑程度的目的是选择合适的滤波窗口进行滤波,提高去噪的效果,避免滤除有效数据或遗漏真实噪声数据。对应的当谱线段的平滑程度越大时,说明受到噪声的干扰越小,在进行滤波的时选择较小的窗口进行滤波;当谱线段对应的平滑程度越小时,说明受到噪声的干扰越大,在进行滤波的时选择较大的窗口进行滤波,以减弱噪声的干扰。本发明实施例根据每条谱线段的平滑程度获得不同尺寸的预选滤波窗口。
本发明实施例将最终噪声程度小于预设噪声阈值的数据点记为标准数据点,标准数据点即为受到噪声影响较小或没有受到噪声影响的点,对应谱线段上标准数据点位置分布特征所体现出的数据值趋势能够最大程度的靠近真实数据值趋势,进一步地根据计算对应的平滑程度表征每条谱线段受到噪声的干扰程度。
优选地,平滑程度的获取方法包括:
对目标谱线段上的标准数据点进行直线拟合得到对应的最终拟合直线。本发明实施例通过最小二乘法对目标谱线段上的标准数据点进行直线拟合得到最终拟合直线。最终拟合直线对应的直线能够最大程度的靠近没有噪声影响的谱线段,能够代表谱线段上每个数据点对应数据值的标准。
计算目标谱线段上所有数据点到最终拟合直线的距离方差。通过谱线段上每个数据点到最终拟合直线的距离能够表征每个数据点的数据值距离真实数据值的偏差,当数据点对应的距离越大,说明谱线越不平滑。通过距离方差能够表现出谱线段上数据点整体的偏差距离情况,整体谱线段上数据点的距离方差越大,则说明谱线段越不接近线性,对应的谱线段受平滑程度越小。
计算目标谱线段上每个数据点到最终拟合直线的距离与对应的最终噪声程度之间乘积的累加和,得到累加和,将距离方差与累加和的乘积进行负相关映射后得到目标谱线段的平滑程度。该累加和能够表征目标谱线段上整体数据点受到噪声影响的程度,进一步通过数据点的距离方差与整体数据点受到噪声影响的程度的乘积表征目标谱线段的平滑程度,使得所得到的平滑程度所表征的目标谱线段受到噪声影响的程度更加准确。对应的当目标谱线段上数据点的最终噪声程度越大,距离最终拟合直线的距离越远,距离方差越大,则说明目标谱线段上数据点受到噪声的影响越严重,平滑程度越小。
平滑程度的获取方法在公式上表现为:
其中,为谱线段对应的平滑程度,为谱线段第个数据点的最终噪声程
度,为谱线段第个数据点到谱线段对应的最终拟合直线之间的距离,为谱
线段所有数据点到对应的最终拟合直线的距离方差,为谱线段上数据点的数量,为以自然常数为底的指数函数。
优选地,预选滤波窗口的获取方法包括:
将目标谱线段的平滑程度归一化处理得到归一化平滑程度值。归一化目的是统一后续计算的数值,方便预设平滑程度阈值和预设调节参数的选取。
当归一化平滑程度值大于等于预设平滑程度阈值时,将数值1与归一化平滑程度值的差值与预设调节参数的乘积向下取整得到预选最大滤波窗口尺寸值,最大滤波窗口尺寸值为正奇数;当归一化平滑程度值小于预设平滑程度阈值时,将数值2与归一化平滑程度值的差值与预设调节参数的乘积向上取整得到预选最大滤波窗口尺寸值,最大滤波窗口尺寸值为正奇数。根据平滑程度值对应数值的不同,对平滑程度值较大的谱线段选用较小的滤波窗口,对平滑程度值较小的谱线段选用较大的滤波窗口。需要说明的是,本发明涉及的所有滤波窗口的形状仅为正方形,即对应窗口长和宽一致,即对应的窗口尺寸均为N×N。
预选最大滤波窗口尺寸值的获取方法在公式上表现为:
其中,为谱线段对应的预选最大滤波窗口尺寸,为谱线段对应的归一
化平滑程度值;为预设平滑程度阈值,在本发明实施例中预设平滑程度阈值设置为0.6;为预设调节参数,在本发明实施例中预设调节参数设置为15。为对括号内数值进行
向下取奇数整函数,为对括号内数值进行向上取奇数整。
筛选出所有小于等于预选最大滤波窗口尺寸值中所有正奇数,得到目标谱线段的
所有预选滤波窗口尺寸值;根据预选滤波窗口尺寸值获得所有预选滤波窗口,预选滤波窗
口为正方形窗口;改变目标谱线段得到每个谱线段的所有预选滤波窗口。例如,当谱线段
对应的预选最大滤波窗口尺寸值为9时,其预选最大滤波窗口尺寸即为9×9,对应的谱
线段的所有预选滤波窗口为3×3、5×5、7×7和9×9。计算每条谱线段的预选滤波窗口,
能够将每条谱线段上数据点对应局部最优滤波窗口尺寸的选取限制在一定范围内,在降低
计算量的同时提高后续过程中所计算出最优滤波窗口的去噪效果。
在得到每个谱线段对应的所有预选滤波窗口后,进一步对每个谱线段内数据点进行分析,得到每个数据点的最优滤波窗口,并根据每个数据点的最优滤波窗口对α能谱图谱线整体进行去噪,达到提高α能谱图谱线去噪效果的目的。考虑到不同大小的滤波窗口对每个数据点去噪效果不同,且不同数据点受到噪声的影响不同,本发明实施例根据每条谱线段的每个预选滤波窗口内数据点的最终噪声程度分布特征和滤波后数据点的数据值变化特征,选取每个数据点对应的最优滤波窗口。
优选地,最优滤波窗口的获取方法包括:
统计目标谱线段的所有预选滤波窗口和所有数据点,计算目标数据点与最近极值点的欧氏距离得到极值影响程度。以目标数据点为中心选用目标预选滤波窗口进行滤波,统计滤波前后目标数据点的数据值差异,将极值影响程度和数据值差异的乘积进行负相关映射,得到目标数据点选用目标预选滤波窗口滤波时对应的滤波干扰特征值。
极值影响程度能够表征对每个数据点通过滤波窗口进行滤波时对波峰波谷的影响程度,进一步地以极值影响程度与数据值差异的乘积进行负相关映射,使得所得到的优选值高的窗口在进行滤波时,减少接近极值点的数据点在滤波前后的变化差异,从而保留α能谱图谱线上波峰波谷的特征,减小波峰波谷因受到滤波干扰而导致变形的现象。当滤波干扰特征值越大时,对应的目标预选滤波窗口的优选值越大。
优选地,滤波前后目标数据点的数据值差异获取方法包括:
获得目标数据点通过目标预选滤波窗口滤波前的数据值,将目标预选滤波窗口内每个数据点的最终噪声程度归一化得到归一化最终噪声程度,计算目标预选滤波窗口中每个数据点的归一化最终噪声程度负相关映射后的映射值与对应数据值的乘积的均值,得到目标数据点通过目标预选滤波窗口后的数据值,计算目标数据点通过目标预选滤波窗口前后的数据值差异得到数据值差异。本发明实施例在通过滤波窗口对数据点进行滤波时考虑到滤波窗口内每个数据点受到噪声影响的程度,基于滤波窗口内数据点的最终噪声程度作为数据值进行均值滤波时的权重,使噪声程度大的数据点对滤波后的数据值的影响程度小,在一定程度上减少了通过滤波窗口滤波后的数据值受到噪声的影响程度,提高了对整体α能谱图谱线去噪效果。
通过滤波窗口滤波后的数据值的获取方法在公式上表现为:
其中,为通过目标滤波窗口滤波后的数据值,为目标滤波窗口内数据点的
数量,为目标滤波窗口内第个数据点对应的归一化后的最终噪声程度,为目标滤波
窗口内第个数据点对应的数据值。
获得目标预选滤波窗口的窗口尺寸值,将目标预选滤波窗口中所有数据点的最终噪声程度负相关映射后累加得到最终噪声程度分布特征值;最终噪声程度分布特征值能够表征目标预选滤波窗口中所有噪声点最终噪声程度的分布情况,本发明实施例通过负相关映射后累加的方法使得最终噪声程度的大小与目标预选滤波窗口优选值呈反比,当目标预选滤波窗口内噪声程度越大时,说明窗口的滤波效果越差。因为当目标预选滤波窗口中的数据点受到噪声的影响越严重时,对应的数据点的滤波后的数据值受到噪声的影响越大,对应的数据值越不可信。
计算目标数据点选用目标预选滤波窗口滤波时对应的干扰特征值与最终噪声程度分布特征值的乘积,计算乘积与窗口尺寸值的比值得到目标数据点选用目标预选滤波窗口的优选值;最后通过目标预选滤波窗口的尺寸对优选值进行最后的限制,考虑到当目标预选滤波窗口过大时,滤波后α能谱图谱线会发生形变,进而导致后续分析不够准确,本发明实施例将目标预选滤波窗口的窗口尺寸值作为分母,使得窗口尺寸大小与优选值呈反比关系。
预选滤波窗口的优选值的获取方法在公式上表现为:
其中,为以数据点为滤波窗口中心时预选滤波窗口的优选值,为数据点与所在α能谱图谱线上最近的极值点之间的欧氏距离,为数据点通过预选滤波窗口的滤波前的数据值,为数据点通过预选滤波窗口的滤波后的数据值,为预选滤
波窗口对应的窗口尺寸值,为以数据点为滤波窗口中心时预选滤波窗口内的第个
数据点的最终噪声程度,为以数据点为滤波窗口中心时预选滤波窗口内数据点的
数量;为预设参数,在本发明实施例中,预设参数为0.01,目的是防止分母为0;
为以自然常数为底的指数函数。需要说明的是,欧氏距离的计算方法为本领域技术人员所
熟知的现有技术,在此不做进一步限定和赘述。
改变目标预选滤波窗口得到目标数据点所处目标谱线段对应的所有预选滤波窗口的优选值,选择优选值最大的预选滤波窗口作为目标数据点的最优滤波窗口;改变目标数据点得到目标谱线段中所有数据点的最优滤波窗口,改变目标谱线段得到所有α能谱图谱线中所有数据点的最优滤波窗口。
步骤S4:根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪,根据去噪后的α能谱图谱线对应的α能谱图进行铀放射性污染检测。
在得到α能谱图谱线每个数据点的最优滤波窗口后,根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪,根据去噪后的α能谱图谱线对应的α能谱图进行铀放射性污染检测。本发明实施例对探测器采集到的α能谱图谱线中的数据点通过对应的最优滤波窗口进行去噪,并将去噪后的α能谱图谱线转化为去噪后α能谱图,对去噪后α能谱图进行铀沾污识别进行铀放射性污染检测。需要说明的是,本发明实施例根据α能谱图进行铀沾污识别和将α能谱图谱线转化α能谱图的过程为本领域技术人员所熟知的现有技术,在此不做进一步限定和赘述。
至此,本发明完成。
综上所述,本发明通过对α能谱图进行分析,对谱线进行分段处理,基于不同段谱线上数据点位置分布特征和对应α能谱图的同类α能谱图之间的差异得到最终噪声程度,根据每条谱线段上数据点最终噪声程度的分布情况得到预选滤波窗口,根据预选滤波窗口针对不同数据点进行滤波时的优选值选择每个数据的最优滤波窗口,根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪。本发明在通过对每个数据点选取最优滤波窗口的方法能够准确的滤除噪声并且能够避免将有效数据滤除,提高了铀放射性污染检测精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (2)
1.一种管道内铀放射性污染检测数据处理方法,其特征在于,所述方法包括:
获取铀放射性待测管道内壁每个区域的α能谱图谱线;
将每条α能谱图谱线划分为至少两条谱线段,根据每条谱线段上所有数据点的位置分布特征得到每个数据点的第一噪声程度,根据第一噪声程度对每个数据点进行筛选得到标记数据点,根据每条谱线段上标记数据点的位置分布特征得到所有数据点的第二噪声程度;
获取每条α能谱图谱线的同类α能谱图谱线,根据每个数据点的第二噪声程度和第一噪声程度的差异得到数据点噪声程度变化特征,根据数据点的噪声程度变化特征和数据点所处α能谱图谱线与同类α能谱图谱线之间的差异特征得到最终噪声程度;根据最终噪声程度对每个数据点进行筛选得到标准数据点,根据每条谱线段上数据点的最终噪声程度和标准数据点的位置分布特征得到平滑程度,根据每条谱线段的平滑程度获得不同尺寸的预选滤波窗口,根据每条谱线段的每个预选滤波窗口内数据点的最终噪声程度分布特征和滤波后数据点的数据值变化特征,选取每个数据点对应的最优滤波窗口;
根据每个数据点选用最优滤波窗口进行滤波完成对每条α能谱图谱线的去噪,根据去噪后的α能谱图谱线对应的α能谱图进行铀放射性污染检测;
所述谱线段的获取方法包括:
获取目标α能谱图谱线的极值点,以所述极值点作为间隔点将目标α能谱图谱线划分为至少两条谱线段,改变目标α能谱图谱线得到每条α能谱图谱线的所有谱线段;
所述第一噪声程度的获取方法包括:
对目标谱线段上的数据点进行直线拟合得到对应的拟合直线;
若目标数据点不为端点,则计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与所述拟合直线的方向角度的角度差异;根据所述角度差异与目标数据点到所述拟合直线的距离的乘积,得到目标数据点的第一噪声程度;所述向量包括前向量和后向量,所述前向量由前一个数据点指向目标数据点,所述后向量由于目标数据点指向后一个数据点;
若目标数据点为端点,则计算目标数据点在目标谱线段上邻接的数据点之间向量的方向角度与所述拟合直线的方向角度的角度差异;根据所述角度差异的二倍与目标数据点到所述拟合直线的距离的乘积,得到目标数据点的第一噪声程度;当目标数据点为起始端点时,所述向量由目标数据点指向后一个数据点;当目标数据点为终止端点时,所述向量由前一个数据点指向目标数据点;
改变目标数据点得到目标谱线段上所有数据点的第一噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第一噪声程度;
所述第二噪声程度的获取方法包括:
对目标谱线段上的标记数据点进行直线拟合得到对应的改进拟合直线,计算目标数据点在目标谱线段上邻接的两个数据点之间向量的方向角度与所述改进拟合直线的方向角度的改进角度差异,根据所述改进角度差异与目标数据点到所述改进拟合直线的距离的乘积,得到目标数据点的第二噪声程度;
改变目标数据点得到目标谱线段上所有数据点的第二噪声程度,改变目标谱线段得到所有谱线段上所有数据点的第二噪声程度;
所述最终噪声程度的获取方法包括:
获得目标α能谱图谱线上目标数据点的第一噪声程度和第二噪声程度,计算目标数据点的所述第一噪声程度和所述第二噪声程度的差异得到噪声程度变化特征值;
获得所述目标α能谱图谱线的所有同类α能谱图谱线,计算所述目标α能谱图谱线与每个同类α能谱图谱线的曲线相似度,统计每条同类α能谱图谱线中与目标α能谱图谱线的目标数据点对应位置的同类数据点,获得每个同类数据点的第二噪声程度,计算目标数据点与每个同类数据点之间第二噪声程度的差异得到同类噪声差异,根据目标数据点的每个同类数据点对应的同类噪声差异、第二噪声程度和所处同类α能谱图谱线对应的曲线相似度的乘积的累加和,得到目标数据点的随机噪声影响值;
根据目标数据点对应的噪声程度变化特征值和随机噪声影响值的和值,得到目标数据点的最终噪声程度;改变目标数据点得到目标α能谱图谱线上每个数据点的最终噪声程度,改变目标α能谱图谱线得到所有数据点的最终噪声程度;
所述平滑程度的获取方法包括:
对目标谱线段上的标准数据点进行直线拟合得到对应的最终拟合直线,计算目标谱线段上所有数据点到最终拟合直线的距离方差,计算目标谱线段上每个数据点到最终拟合直线的距离与对应的最终噪声程度之间乘积的累加和,得到累加和,将所述距离方差与所述累加和的乘积进行负相关映射后得到目标谱线段的平滑程度;
所述预选滤波窗口的获取方法包括:
将目标谱线段的平滑程度归一化处理得到归一化平滑程度值;当所述归一化平滑程度值大于等于预设平滑程度阈值时,将数值1与归一化平滑程度值的差值与预设调节参数的乘积向下取整得到预选最大滤波窗口尺寸值,所述最大滤波窗口尺寸值为正奇数;当所述归一化平滑程度值小于预设平滑程度阈值时,将数值2与归一化平滑程度值的差值与预设调节参数的乘积向上取整得到预选最大滤波窗口尺寸值,所述最大滤波窗口尺寸值为正奇数;
筛选出所有小于等于所述预选最大滤波窗口尺寸值中所有正奇数,得到目标谱线段的所有预选滤波窗口尺寸值;根据预选滤波窗口尺寸值获得所有预选滤波窗口,所述预选滤波窗口为正方形窗口;
改变目标谱线段得到每个谱线段的所有预选滤波窗口;
所述最优滤波窗口的获取方法包括:
统计目标谱线段的所有预选滤波窗口和所有数据点,计算目标数据点与最近极值点的欧氏距离得到极值影响程度,以目标数据点为中心选用目标预选滤波窗口进行滤波,统计滤波前后目标数据点的数据值差异,将所述极值影响程度和所述数据值差异的乘积进行负相关映射,得到目标数据点选用目标预选滤波窗口滤波时对应的滤波干扰特征值;
获得目标预选滤波窗口的窗口尺寸值,将目标预选滤波窗口中所有数据点的最终噪声程度负相关映射后累加得到最终噪声程度分布特征值,计算目标数据点选用目标预选滤波窗口滤波时对应的干扰特征值与所述最终噪声程度分布特征值的乘积,计算所述乘积与所述窗口尺寸值的比值得到目标数据点选用目标预选滤波窗口的优选值;
改变目标预选滤波窗口得到目标数据点所处目标谱线段对应的所有预选滤波窗口的优选值,选择优选值最大的预选滤波窗口作为目标数据点的最优滤波窗口;
改变目标数据点得到目标谱线段中所有数据点的最优滤波窗口,改变目标谱线段得到所有能谱图谱线中所有数据点的最优滤波窗口。
2.根据权利要求1所述的一种管道内铀放射性污染检测数据处理方法,其特征在于,所述滤波前后目标数据点的数据值差异获取方法包括:
获得目标数据点通过目标预选滤波窗口滤波前的数据值,将目标预选滤波窗口内每个数据点的最终噪声程度归一化得到归一化最终噪声程度,计算目标预选滤波窗口中每个数据点的归一化最终噪声程度负相关映射后的映射值与对应数据值的乘积的均值,得到目标数据点通过目标预选滤波窗口后的数据值,计算目标数据点通过目标预选滤波窗口前后的数据值差异得到所述数据值差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310425286.7A CN116359974B (zh) | 2023-04-20 | 2023-04-20 | 一种管道内铀放射性污染检测数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310425286.7A CN116359974B (zh) | 2023-04-20 | 2023-04-20 | 一种管道内铀放射性污染检测数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116359974A CN116359974A (zh) | 2023-06-30 |
CN116359974B true CN116359974B (zh) | 2023-08-04 |
Family
ID=86939040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310425286.7A Active CN116359974B (zh) | 2023-04-20 | 2023-04-20 | 一种管道内铀放射性污染检测数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359974B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454098B (zh) * | 2023-12-26 | 2024-03-19 | 沈阳安仕得科技有限公司 | 一种基于激光散射的粉尘浓度测量方法及*** |
CN118229574A (zh) * | 2024-05-21 | 2024-06-21 | 济宁景泽信息科技有限公司 | 一种给排水设计图数字化增强方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902696A (zh) * | 2019-03-06 | 2019-06-18 | 北京石油化工学院 | 基于分段直线拟合的危化品堆垛测距方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9718026D0 (en) * | 1997-08-27 | 1997-10-29 | Secr Defence | Multi-component signal detection system |
CN102081165B (zh) * | 2009-12-01 | 2013-07-24 | 同方威视技术股份有限公司 | 伽马能谱核素识别方法 |
WO2012171059A1 (en) * | 2011-06-14 | 2012-12-20 | Southern Innovation International Pty Ltd | Method and apparatus for identifying pulses in detector output data |
KR101273746B1 (ko) * | 2012-03-26 | 2013-06-12 | 전북대학교산학협력단 | 형광 x-선 스펙트럼의 잡음을 제거하기 위한 필터링 방법 |
CN103177252B (zh) * | 2013-03-04 | 2017-04-12 | 苏州瑞派宁科技有限公司 | 一种自动识别并分割位置谱的方法及装置 |
CN107422362B (zh) * | 2017-08-22 | 2019-04-26 | 环太平洋高科技开发有限公司 | 一种能量谱和时间谱的降噪方法 |
CN114428063B (zh) * | 2022-04-01 | 2022-08-12 | 合肥金星智控科技股份有限公司 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
CN115586162A (zh) * | 2022-09-28 | 2023-01-10 | 山东省科学院激光研究所 | 一种针对激光吸收光谱的降噪方法及装置 |
-
2023
- 2023-04-20 CN CN202310425286.7A patent/CN116359974B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902696A (zh) * | 2019-03-06 | 2019-06-18 | 北京石油化工学院 | 基于分段直线拟合的危化品堆垛测距方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116359974A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116359974B (zh) | 一种管道内铀放射性污染检测数据处理方法 | |
CN114943739B (zh) | 一种铝管质量检测方法 | |
US20080011962A1 (en) | Nuclide Identifier System | |
CN115063409B (zh) | 一种机械刀具表面材质检测方法及*** | |
CN109060836A (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
CN112465743B (zh) | 一种周期性结构质量检测方法 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN115330799B (zh) | 一种仪表自动化故障诊断方法 | |
CN111539324A (zh) | 一种新型核素识别方法 | |
CN111538069A (zh) | 能谱分析***、方法及能谱数据分析设备 | |
CN108280429B (zh) | 基于特征峰匹配的核素识别方法、装置和计算机可读介质 | |
CN111046833B (zh) | 一种海水放射性核素检测的二次寻峰方法 | |
CN117351017A (zh) | 一种光伏钢结构组件缺陷视觉检测方法 | |
CN115035107A (zh) | 基于图像处理的车桥齿轮做工误差检测方法 | |
US7865322B2 (en) | Relative noise | |
CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及*** | |
CN109669205B (zh) | 一种海水放射性核素k40元素的寻峰方法 | |
US10152774B2 (en) | Method and system for estimating point spread function | |
US20050046841A1 (en) | Digital optical measurement of particle populations using reduced magnification | |
CN109387872B (zh) | 表面多次波预测方法 | |
CN115115664B (zh) | 计量器具信息采集*** | |
CN115908429B (zh) | 一种泡脚药粉研磨精度检测方法及*** | |
CN111861944A (zh) | 一种基于多结构元素形态学的核素能谱寻峰方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |