In this study, we evaluate artificial neural network (ANN) models that estimate the positions of gamma-ray sources from plastic scintillating fiber (PSF)-based radiation detection systems using different filtering ratios. The PSF-based radiation detection system consists of a single-stranded PSF, two photomultiplier tubes (PMTs) that transform the scintillation signals into electric signals, amplifiers, and a data acquisition system (DAQ). The source used to evaluate the system is Cs-137, with a photopeak of 662 keV and a dose rate of about 5 μSv/h. We construct ANN models with the same structure but different training data. For the training data, we selected a measurement time of 1 minute to secure a sufficient number of data points. Conversely, we chose a measurement time of 10 seconds for extracting time-difference data from the primary data, followed by filtering. During the filtering process, we identified the peak heights of the gaussian-fitted curves obtained from the histogram of the time-difference data, and extracted the data located above the height which is equal to the peak height multiplied by a predetermined percentage. We used percentage values of 0, 20, 40, and 60 for the filtering. The results indicate that the filtering has an effect on the position estimation error, which we define as the absolute value of the difference between the estimated source position and the actual source position. The estimation of the ANN model trained with raw data for the training data shows a total average error of 1.391 m, while the ANN model trained with 20%-filtered data for the training data shows a total average error of 0.263 m. Similarly, the 40%-filtered data result shows a total average error of 0.119 m, and the 60%-filtered data result shows a total average error of 0.0452 m. From the perspective of the total average error, it is clear that the more data are filtered, the more accurate the result is. Further study will be conducted to optimize the filtering ratio for the system and measuring time by evaluating stabilization time for position estimation of the source.
본 연구에서는 비 내리는 도심지역에 설치된 하천변의 수위계측 센서에 의한 수위 높이와 CCTV 영상에 의해 산출한 수위 높이의 정밀도를 비교분석하여 성능을 평가하였다. 개선된 알고리즘의 장점으로는 기존 알고리즘은 운영보다는 녹화된 영상에서 사용자가 최적의 임계값을 찾도록 하였기에 현장 적용에는 한계가 있었다. 이러한 문제를 해결하기 위해 물의 영역을 구별하기위해 사용되는 임계값이 입력영상의 분석을 통해 자동으로 변경되게 하였다. 조명의 변화 및 낮과 밤의 변화 등 주위 환경의 변화에 대한 최적의 임계값을 자동으로 찾아주어 실제 운영이 가능하도록 하였다. 또한 색상 정보의 히스토그램 비교를 통해서만 물의 영역을 분리해 냈던 기존 알고리즘 달리 물의 흐름 정보를 부가적으로 사용하여 범람이나 홍수와 같은 상황에서 보다 정확한 측정이 가능하도록 하였다. 수위 감지 알고리즘을 적용하기 전에 시/공간상 필터를 사용하여 노이즈를 먼저 제거하는 방법으로 알고리즘 성능이 향상되어 안정적으로 수위를 감지하게 되었다. 전반적으로 CCTV 기종별 수위감지 성능이 85% 이상 평가결과가 도출되었으나, 일반카메라와 열상카메라는 주야간 교차시간에서는 수위검출값의 오차가 큰 것으로 나타나 조도와 온도에 의한 영향을 최소화하기 위한 알고리즘의 지속적인 개선이 필요하다. 이러한 수위검출 오차를 줄이기 위해 NIR카메라의 수위검출 정확도를 향상시켜 특정지역 또는 중요 지역의 수위검출을 위해 NIR카메라를 적용하여 수위감지 정확도를 향상시킴으로서 수위감지시스템의 성능을 향상시킬 수 있다고 판단된다.