Dissertação
{pt_PT=Real-time radionuclides detection using artificial intelligence} {} EVALUATED
{pt=A espectroscopia de raios gama é normalmente o método utilizado para identificar regiões radioactivas. A espectroscopia de raios gama clássica envolve inúmeras fases, longos tempos de análise e, na maioria das vezes, um perito na matéria até chegar a uma identificação. Dado este longo processo, desenvolver e melhorar os sistemas de identificação existentes tem sido um desafio para organizações de defesa e segurança tais como Departamentos de Segurança Interna, Equipas de Resposta, Alfândegas e Controlo de Fronteiras. A abordagem proposta neste trabalho propõe a utilização de técnicas de Aprendizagem Automática para implementar um sistema de identificação de fácil utilização, sendo possível que qualquer pessoa, mesmo sem experiência no campo, consiga obter resultados. Esta proposta utiliza redes neuronais artificiais de forma a produzir uma classificação para um determinado espectro, adquirido através de um sensor CZT. O sistema é treinado com dados simulados e testado posteriormente com espectros reais. É explorada a identificação de um único ou múltiplos isótopos para cada amostra, realçando os benefícios de uma implementação deste género e também possíveis melhoramentos. É também sugerido um exemplo para uma possível aplicação utilizando um Raspberry Pi. A rede neuronal desenvolvida podia ser também implementada por qualquer outro sistema semelhante, tal como um telemóvel ligado a um sensor. A portabilidade e independência de um sistema como este permite a sua utilização no terreno por pessoas ou veículos não tripulados como drones., en=Gamma-ray spectroscopy is the usual method to identify detected radioactive hot-spots. Classical Gamma spectroscopy involves many phases, longer analysis and usually an expert to reach an identification result. Thus, developing and upgrading the identification systems available has been a challenge for security and defence organisations such as Departments of Homeland Security, Emergency Response Teams, Customs and Border Control. This work proposes an approach using machine learning techniques that is intended to be implemented as an easy to use identification system, meaning that it can be used by anyone without experience in the field. The proposed solution makes use of artificial neural networks to produce a classification to a given spectrum obtained with a \ac{CZT} sensor. The system is trained using simulated data and is then tested with real acquisition spectra. Single and multiple isotope identification on each sample is explored, highlighting the benefits of an implementation of this kind as well as possible improvements. Additionally, an example of a portable application is suggested using a Raspberry Pi. It is noteworthy that the artificial neural networks developed could be implemented in other devices such as a mobile phone with a connection to a detector. This kind of standalone and portable system could be used on site by humans or even by unmanned vehicles such as drones. }
janeiro 27, 2021, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Instituto de Plasmas e Fusão Nuclear (IPFN)
Investigador Auxiliar
