.png){kind=icon}
返回
MULTIPLE SIMILAR RADIOACTIVE SOURCE DETECTION USING DEEP LEARNING
.png){kind=icon}
PRE
AI
DOI：10.2298/NTRP2601001L.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对放射性源监管控制的丧失对公众健康和环境安全构成重大威胁。本文提出了一种基于深度学习的方法用于检测多个相似的放射性源。我们通过Geant4构建了多个单源数据集和一个多源数据集。单源数据集在辐射像素图分辨率和检测窗口设置上有所不同，而多源数据集包含最多三个未知源。我们将1-D计数率数据转换为2-D图像特征以生成辐射像素图，并定义检测窗口以减少搜索空间。随后采用YOLOv8n在图像中检测和定位放射性源。通过对比实验，我们确定了辐射像素图和检测窗口的最佳设置，在检测多个未知放射性源时达到了超过95%的准确率。结果表明，训练好的深度学习模型能够准确有效地检测放射性源。
Keyword:
multiple unknown radioactive source
radioactive source detection
deep learning
localization
期刊
N
IF:
0.7
论文数:
9
被引数:
0
机构
引用论文
暂无论文信息