Dissertação
Radioactive hot-spot detection using machine learning algorithms EVALUATED
A detecção de hot-spots radioativos tem sido um desafio para o setor de segurança, especialmente em situações que envolvem ameaças químicas, biológicas, radiológicas e nucleares (CBRN). Este trabalho propõe uma solução baseada em técnicas de Aprendizagem Automática, com foco em Redes Neuronais (NNs), de forma que observações de contagens de intensidade radiológica e respetivas localizações possam ser usadas para estimar o número de fontes radioativas desconhecidas presentes num determinado cenário, e ainda a sua localização e atividade ao mesmo tempo. Para isso, um simulador é utilizado para gerar um conjunto de dados de treino para o processo de treino, e assim, usando o modelo já treinado através do algoritmo de Divisão e Conquista, obtém-se estimativas rápidas e precisas, garantindo a confiabilidade de tal abordagem baseada em NNs. A solução proposta é testada em cenários com múltiplas fontes, com obstáculos incluídos, e com fontes não pontuais. Ao contrário da maioria dos algoritmos existentes, que começam a falhar em cenários com essas condições, as NNs mostram ser capazes de realizar uma detecção precisa de hot-spots, com um baixo número de limitações. Ademais, resultados experimentais, feitos em ambientes de laboratório e em cenários reais localizados em antigos depósitos de minério radioativo, demonstram que o algoritmo é escalável tanto para regiões de grandes como de reduzidas dimensões. Assim, as NNs demonstram ser capazes de serem uma ferramenta emergente com potencial para fazer a diferença na área nuclear, auxiliando no desenvolvimento de novas técnicas e novas soluções que visam salvaguardar vidas humanas.
janeiro 27, 2021, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Instituto de Plasmas e Fusão Nuclear (IPFN)
Investigador Auxiliar
