Control of the appearance of fuel pellets ends surfaces in a conveyor production

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The article deals with the problem of quality control of fuel pellets for nuclear reactors. During the development of the control system, various methods for obtaining and processing images of pellet surfaces were investigated. The main difficulty of this task is the imperfect quality of the resulting image of the inspected object, as well as the limited time for its processing. Software and hardware tools and algorithms have been developed for high-performance inspection of fuel pellet geometry, which significantly increase the reliability of inspection results. As a result of the work, stable images with a high degree of repeatability and sufficient resolution have been obtained, suitable for subsequent high-performance, reliable mathematical processing. A high degree of independence of the image and processing results from the individual characteristics of individual products and their batches has been achieved.

Sobre autores

E. Vlasov

Technological Design Institute of Scientific Instrument Engineering SB RAS

Email: vlasov@tdisie.nsc.ru
Novosibirsk, Russia

A. Beloborodov

Technological Design Institute of Scientific Instrument Engineering SB RAS

Novosibirsk, Russia

P. Zav'yalov

Technological Design Institute of Scientific Instrument Engineering SB RAS

Novosibirsk, Russia

D. Syretskiy

PJSC «Novosibirsk Chemical Concentrates Plant»

Novosibirsk, Russia

Bibliografia

  1. Решетников Ф.Г., Бибилашвили Ю.К., Головнин И.С., Горский В.В. Казеннов Ю.И., Меньшикова Т.С., Никулина А.В., Романеев В.В. Разработка, производство и эксплуатация тепловыделяющих элементов энергетических реакторов. Кн. 1. М.: Энергоатомиздат, 1995. 320 с.
  2. Reshetnikov G., Bibilashvili Yu.K., Golovnin I.S. et al. Development, Production, and Operation of Nuclear Reactor Fuel Elements. Energoatom-izdat, Moscow, 1995. Book 1.
  3. Beloborodov A.V., Vlasov E.V., Finogenov L.V., Zav'yalov P.S. High Productive Optoelectronic Pellets Surface Inspection for Nuclear Reactors // Key Engineering Materials. 2010. V. 437. P. 165-169. Trans Tech Publications, Switzerland.
  4. Финогенов Л.В., Белобородов А.В., Ладыгин В.И., Чугуй Ю.В., Загоруйко Н.Г., Гуляевский С.Е., Шульман Ю.С., Лавренюк П.И., Пименов Ю.В. Оптико-электронная система автоматического контроля внешнего вида топливных таблеток // Дефектоскопия. 2007. № 10. С. 68-79.
  5. Finogenov L.V., Beloborodov A.V., Ladygin V.I., Chugui Yu.V., Zagoruiko N.G., Gulyaevskii S.E., Shul'man Yu.S., Lavrenyuk P.I., Pimenov Yu.V. An optoelectronic system for automatic inspection of the external view of fuel pellets // Russ. J. Nondestr. Test. 2007. V. 43. No. 10. P. 692-699.
  6. Завьялов П.С., Финогенов Л.В., Власов Е.В. Специализированная оптическая система для контроля качества цилиндрических поверхностей // Дефектоскопия. 2016. № 7. С. 66-72.
  7. Zav'yalov P.S., Finogenov L.V., Vlasov E.V. A dedicated optical system for the quality inspection of cylindrical surfaces // Russian Journal of Nondestructive Testing. 2016. V. 52. No. 7. P. 415-420. doi: 10.1134/S1061830916070093
  8. Zhang B., Liu M., Tian Y., Wu G., Yang X., Shi S., Li J. Defect inspection system of nuclear fuel pellet end faces based on machine vision // Journal of Nuclear Science and Technology. 2020. V. 57. No. 6. P. 617-623. doi: 10.1080/00223131.2019.1708827
  9. Zhang B., Miao Y., Tian Y., Zhang W., Wu G., Wang X., Zhang C. Implementation of surface crack detection method for nuclear fuel pellets guided by convolution neural network // Journal of Nuclear Science and Technology. 2021. V. 58. No. 7. P. 787-796. doi: 10.1080/00223131.2020.1869622
  10. Бардин Б.В. Быстрый алгоритм медианной фильтрации. Научное приборостроение, 2011. Т. 21. № 3. С. 135-139.
  11. Bardin B.V. Fast algorithm of median filtering // Scientific Instrumentation. 2011. V. 21. No. 3. P. 135-139.
  12. Sauvola J., Pietikainen M. Adaptive document image binarization. Pattern Recognition. 2000. V. 33. P. 225-236.
  13. Shafait F., Keysers D., Breuel T.M. Efficient implementation of local adaptive thresholding techniques using integral images // Document Recognition and Retrieval XV. Jan 2008.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».