CN102713676A - 放射性特征的异常检测 - Google Patents
放射性特征的异常检测 Download PDFInfo
- Publication number
- CN102713676A CN102713676A CN2010800568772A CN201080056877A CN102713676A CN 102713676 A CN102713676 A CN 102713676A CN 2010800568772 A CN2010800568772 A CN 2010800568772A CN 201080056877 A CN201080056877 A CN 201080056877A CN 102713676 A CN102713676 A CN 102713676A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- major component
- unusual
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/167—Measuring radioactive content of objects, e.g. contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Multimedia (AREA)
- Measurement Of Radiation (AREA)
Abstract
本文描述了一种确定检测区域的目标中是否存在异常放射性材料的方法。在该方法中,从目标获得目标伽玛射线谱,并且通过目标伽玛射线谱准备目标数据组。该数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围。然后对目标数据组进行预处理并将预处理后的目标数据组投射到主成分空间中,该主成分空间包含被投射到主成分空间的预处理数据库。然后在主成分空间中确定所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离,并且将该距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于目标中。
Description
技术领域
本发明涉及用于检测伽玛辐射的异常源的方法。
背景技术
需要检测放射性材料的存在以防止这些材料未经授权地越过边境,或进入这些材料被禁止的区域。合适的方法能够在车辆经过检测区域时执行检测,优选地无需车辆在该区域中停留,从而不会过度地阻碍交通流。因此,该方法优选地能够在约10秒或更少时间段内检测这些材料的存在。该方法应该优选地具有高精确度,即较低水平的伪阳性(当不存在可疑材料时发出警报)和伪阴性(未能检测到可疑材料的存在)。
由于天然存在的放射性材料(Naturally Occurring RadioactiveMaterial,NORM)或合法放射性药物产品的浓度升高,可接受的材料可以发射一定程度的电离辐射,所以这种检测变得复杂。使用简单的塑料闪烁检测器的一些现有系统仅测量由目标发射的伽玛射线形式的辐射的总体水平。如果辐射检测的阈值水平设置过低,这些系统容易出现高伪阳性率;如果辐射检测的阈值水平设置过高,这些系统容易出现高伪阴性率。这些系统不能将包含浓度升高的NORM的合法交易商品与包含放射性材料的违法的或疏忽而无执照的商品区分开。
第二代检测器寻求对目标的伽玛射线谱进行测量,并且将该谱与已知受控的或者其他感兴趣的放射性材料的谱进行比较。这些检测器通常被称为光谱检测器,其通过存在于所测量的伽玛射线谱中的特定伽玛射线(能量)的存在性来识别同位素。这类高分辨率的光谱装置非常昂贵,并且因具有挑战性的操作条件而在现场部署中可靠性差。较低分辨率的光谱装置比较便宜,但是相对于正确进行同位素识别而具有较差性能,导致较高的伪阳性率和伪阴性警报率。
发明目的
本发明的目的是基本克服或至少改善一个或多个上述缺点。
发明内容
在本发明的第一方面,提供了一种确定检测区域的目标中是否存在异常放射性材料的方法,方法包括:
(i)从目标获得目标伽玛射线谱;
(ii)通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
(iii)对目标数据组进行预处理;
(iv)将预处理后的目标数据组投射到多维空间,例如主成分空间中,主成分空间包含被投射到主成分空间中的预处理数据库;
(v)确定多维空间,例如主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及
(vi)将该距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于目标中。
如果该距离大于(或大于或等于)阈值距离,可响应于目标中存在异常放射性材料生成信号。在变型中,仅当距离小于阈值距离时生成信号,指示目标中不存在异常放射性材料。
下面的选项可单独地或以任何适当的组合方式与第一方面(如果适当,与下面描述的其他方面中的任一方面)组合。
该方法还可包括在预处理目标数据组的步骤之前将目标数据组重装的步骤。重装可包括将至少两个相邻能量仓的强度值集合以形成新的能量仓。
对(目标数据步骤或数据库)进行预处理的步骤可包括正规化。它可包括强度正规化。它可包括对关于所有能量仓上的最大强度值进行正规化。预处理的步骤可包括将每个被观察的谱标准化以使所有能量仓具有零均值和单位方差。预处理的步骤可包括相对于来自数据库的每个能量仓的均值和标准差对每个能量仓(变量)进行标准化。每个强度值可代表用于其相关联的能量仓的多个计数。
预处理数据库可通过使用与用于获得预处理后的数据组相似的程序来获得。因此它可通过如下的过程获得:
iv-a)从天然存在的放射性材料和其他任选源(这些可以是正常源或者可以是异常原或者其中的一些可以是正常源而另一些是异常源)获得包括参考伽玛射线谱的数据库;
iv-b)通过参考伽玛射线谱中的每个准备参考数据组,每个参考数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;以及
iv-c)对每个参考数据组进行预处理以获得所述预处理数据库。
该方法还可包括在对参考数据组进行预处理的步骤之前重装每个参考数据组的步骤。预处理应该与用于目标数据组的预处理相同。因而,预处理可为或可包括正规化,由此预处理的数据库可以是正规化的数据库。
主成分空间可由多个主成分限定,多个主成分通过对预处理数据库的相关矩阵进行主成分分析(PCA)获得。PCA可包括相关矩阵的特征分析或特征分解。它可产生相关矩阵的特征值和特征向量。主成分空间可包括少于约20个主成分。
目标数据组和数据库都可包括补充数据,补充数据不是从伽玛射线谱获得的。补充数据可以是谱外数据。它例如可包括下列项中的至少一个:目标的温度、目标的热输出、目标通过检测区域时的时间变化、目标的地理来源、目标供应商、总计数、货单。数据库可包括至少与数据变量一样多的参考数据组(谱)。在该上下文中,数据变量包括能量仓和补充数据。数据库和目标数据组的补充数据的数量和类型应该相同(尽管值未必相同)。因而,用于目标和所有参考样本的补充数据例如可以为温度和来源国家。在一些情况下,可操作补充数据,例如,来源国家的信息可被转化成威胁得分。对于目标和参考数据组,补充数据应该以相同的测量单位表示。
步骤(v)的距离可为Bregman距离。它可以是马氏距离。它可以是一些其他的特征距离。
方法的步骤(i)可包括当目标经过检测区域时获取目标伽玛射线谱。目标例如可为或可包括或可位于车辆(例如轿车、卡车、火车车厢)、货物、包裹、货物集装箱、行李或人中和/或它们之上。无需目标在检测区域中停留就可执行步骤(i)。目标伽玛射线谱可在小于约10秒的时间内获得。目标伽玛射线谱可在超过约10秒的时间内获得。它可通过便携式伽玛辐射监测器系统获得,或者可通过固定式伽玛辐射监测器系统获得。
如果距离小于阈值距离,则可响应于目标中不存在异常放射性材料来生成信号。
响应于异常放射性材料的存在而生成的信号可激活警报,警报可以是音频或视频或两者。它可触发降低拦车吊杆或致动一些其它屏障以阻止经过检测区域的目标进一步通过。它可以是本地信号。它可以是远程信号。它可以是电子信号。信号可以使多于一个上述情况触发或激活。
在一个实施方式中,提供了一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法包括:
(i)从目标获得目标伽玛射线谱;
(ii)通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围,以及将目标数据组重装;
(iii)对目标数据组进行预处理;
(iv)将预处理后的目标数据组投射到主成分空间,主成分空间包含被投射到所述主成分空间中的预处理数据库;
(v)确定主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及
(vi)比较距离与预定的阈值距离,以确定是否有异常放射性材料存在于目标中,
其中,如果距离大于(或大于或等于)阈值距离,响应于目标中存在异常放射性材料生成信号;或者
如果距离小于阈值距离,响应于目标中不存在异常放射性材料生成信号。
在另一个实施方式中,提供了一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法包括:
(i)从目标获得目标伽玛射线谱;
(ii)通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
(iii)使目标数据组正规化;
(iv)将正规化后的目标数据组投射到主成分空间,主成分空间包含被投射到所述主成分空间中的正规化数据库;
(v)确定主成分空间中所投射的正规化后的目标数据组与所投射的正规化数据库的一个或多个集群之间的距离;以及
(vi)比较距离与预定的阈值距离,以确定是否有异常放射性材料存在于目标中,
由此,如果距离大于(或大于或等于)阈值距离,响应于目标中存在异常放射性材料生成信号;或者
如果距离小于阈值距离,响应于目标中不存在异常放射性材料生成信号。
在另一个实施方式中,提供了一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法包括:
(i)从目标获得目标伽玛射线谱;
(ii)通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
(iii)对目标数据组进行正规化;
(iv)将正规化后的目标数据组投射到主成分空间,主成分空间包含被投射到所述主成分空间中的正规化数据库;
(v)确定主成分空间中所投射的正规化后的目标数据组与所投射的正规化数据库的一个或多个集群之间的距离;以及
(vi)比较距离与预定的阈值距离,以确定是否有异常放射性材料存在于目标中,
由此,如果距离大于(或大于或等于)阈值距离,响应于目标中存在异常放射性材料生成信号。
在另一个实施方式中,提供了一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法包括:
·从天然存在的放射性材料和其他任选源(例如其他正常源、尽管在一些情况下可包括其它不正常或异常源)获得包括参考伽玛射线谱的数据库;
·通过每个参考伽玛射线谱准备参考数据组,每个参考数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围,以及将参考数据组重装;
·对每个参考数据组进行预处理以获得预处理数据库;
·任选地用补充数据补充数据库,补充数据是从天然存在的放射性材料和其它任选源获得;
·在预处理数据库的相关矩阵上进行主成分分析(PCA)以获得多个主成分;
·从目标获得目标伽玛射线谱;
·通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
·预处理目标数据组;
·将预处理后的目标数据组投射到主成分空间,主成分空间由主成分限定,并且包含被投射到所述主成分空间中的预处理数据库;
·确定主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及
·比较该距离与预定的阈值距离,以确定是否有异常放射性材料存在于目标中,
其中,如果该距离大于(或大于或等于)阈值距离,响应于目标中存在异常放射性材料可生成信号。数据库和目标数据组将对相同变量上的信息进行处理,相同变量可包括补充数据。
在本发明的第二方面中,提供了一种确定检测区域的目标中是否存在或不存在异常放射性材料的设备,所述设备包括:
·检测器,用于从目标获得目标伽玛射线谱;
·存储器,用于存储目标伽玛射线谱和预处理数据库;
·处理器,联接至存储器,用于通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个仓与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;对目标数据组进行预处理(例如正规化);将预处理(例如正规化)后的目标数据组投射到多维(例如主成分)空间中,多维空间例如主成分空间包含被投射到所述多维空间例如主成分空间中的预处理(例如正规化)数据库;确定多维(例如主成分)空间中所投射的预处理(例如正规化)后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及将该距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于目标中,由此,或者(a)如果距离大于(或大于或等于)阈值距离,响应于目标中存在异常放射性材料生成信号;或者(b)如果距离小于阈值距离,响应于目标中不存在异常放射性材料生成信号;以及
·输出装置,用于(a)接受当异常放射性材料存在于目标中时生成的信号以生成对异常放射性材料的存在的物理响应,或者用于(b)接受当异常放射性材料不存在于目标中时生成的信号以生成对异常放射性材料的不存在的物理响应。
检测器可以从天然存在的放射性材料(NORM)以及其他任选源(任性的其他正常源、可能其它不正常或异常源)获得参考伽玛谱,处理器可以处理(例如正规化)参考伽玛射线谱以通过预处理后的参考谱形成预处理(例如正规化)的数据库。
处理器可以在预处理数据库的相关矩阵上执行主成分分析(PCA)以生成用于主成分空间的主成分。处理器可包括补充输入装置,补充输入装置用于将在确定异常放射性材料存在或不存在时使用的补充数据输入。它可例如包括用于将与目标的源和/或参考材料的源相关的数据输入的装置。它可包括用于将非数字式输入数据(例如来源国家)转换成在该方法中使用的数值的装置。
设备可具有一个或多个补充检测器,补充检测器用于从目标获得补充数据。合适的补充检测器例如可包括非接触式温度计。
在一个实施方式中,该设备为用于阻止异常放射性材料通过的设备。在该实施方式中,输出装置的物理响应代表将阻止异常放射性材料和/或运送其的车辆通过的装置致动。阻止通过的装置例如可包括拦车吊杆或道钉或可移动的系柱或支柱,或者可包括用于向能够阻止所述通过的安保人员发信号的发信装置,或者可包括一些其他这种装置。因此,当该方法中的距离超过预定阈值(指示异常放射性材料存在)时,信号使装置致动以阻止异常放射性材料和/或运送其的车辆通过。在变型中,装置通常处于由屏障或其他装置阻止异常反射性材料和/或运送其的车辆通过的位置。在该变型中,当该方法中的距离小于预定阈值(指示不存在异常放射性材料)时生成信号,以移除屏障(或其他装置)以使异常放射性材料和/或运送其的车辆通过。
在本发明的第三方面,提出了一种计算机程序,包括:
·用于通过目标伽玛射线谱准备目标数据组的代码,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
·用于对目标数据组进行预处理(例如正规化)的代码;
·用于将预处理(例如正规化)后的目标数据组投射到多维空间例如主成分空间的代码,多维空间例如主成分空间包含被投射到所述多维空间例如主成分空间的预处理(例如正规化)数据库;
·用于确定多维空间例如主成分空间中所投射的预处理(例如正规化)后的目标数据组与所投射的预处理(例如正规化)数据库的一个或多个集群之间的距离的代码;以及
·用于比较该距离与预定的阈值距离以确定是否有异常放射性材料存在于目标中的代码。
计算机程序还可包括:
·用于通过多个参考伽玛射线谱准备参考数据组的代码,每个参考数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;以及
·用于对每个参考数据组进行预处理(例如正规化)以获得预处理的数据库的代码。
计算机程序还可包括用于从预处理的数据库产生相关矩阵的代码。计算机程序还可包括用于在预处理的数据库的相关矩阵上执行主成分分析(PCA)以生成用于主成分空间的主成分的代码。
在本发明的第四方面,提供了一种计算机可读存储介质,其具有记录于其上的计算机程序,所述程序能够由计算机设备执行以使计算机确定在检测区域的目标中是否存在异常放射性材料,所述程序包括:
·用于通过目标伽玛射线谱准备目标数据组的代码,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
·用于对目标数据组进行预处理(例如正规化)的代码;
·用于将预处理(例如正规化)后的目标数据组投射到多维空间例如主成分空间的代码,多维空间例如主成分空间包含被投射到所述多维空间例如主成分空间的预处理(例如正规化)数据库;
·用于确定多维空间例如主成分空间中所投射的预处理(例如正规化)后的目标数据组与所投射的预处理(例如正规化)数据库的一个或多个集群之间的距离的代码;以及
·用于比较该距离与预定的阈值距离以确定是否有异常放射性材料存在于目标中的代码。
该程序还可包括:
·用于通过多个参考伽玛射线谱准备参考数据组的代码,每个参考数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;以及
·用于对每个参考数据组进行与处理以获得预处理(例如正规化)的数据库的代码。
程序还可包括用于从预处理(例如正规化)的数据库产生相关矩阵的代码。程序还可包括用于在预处理(例如正规化)的数据库的相关矩阵上执行主成分分析(PCA)以生成用于主成分空间的主成分的代码。
在本发明的第五方面,提供了一种在确定检测区域的目标中是否存在异常放射性材料中使用的计算机程序元件,元件包括使计算机执行程序的计算机代码组件以:
·通过目标伽玛射线谱准备目标数据组,目标数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;
·预处理(例如正规化)目标数据组;
·将预处理(例如正规化)的目标数据组投射到多维空间例如主成分空间中,多维空间例如主成分空间包含被投射到所述多维空间例如主成分空间的预处理(例如正规化)数据库;
·确定多维空间例如主成分空间中所投射的预处理(例如正规化)目标数据组与所投射的预处理(例如正规化)数据库的一个或多个集群之间的距离;以及
·对该距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于目标中。
计算机程序元件还可包括使计算机执行程序的计算机代码组件以:
·通过多个参考伽玛射线谱准备参考数据组,每个参考数据组包括多个强度值,每个强度值与能量仓相关联,能量仓代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;以及
·对每个参考数据组进行预处理(例如正规化)以获得预处理的数据库。
计算机程序元件还可包括计算机代码组件以使计算机执行程序来从预处理(例如正规化)的数据库产生相关矩阵。计算机程序元件还可包括计算机代码组件以使计算机执行程序来:在预处理的数据库的相关矩阵上执行主成分分析(PCA)以生成用于主成分空间的主成分。
在本发明的第六方面,提出了使用如上所述根据本发明的设备来确定检测区域的目标中是否存在异常放射性材料。
在本发明的第七方面,提出了一种阻止携带异常放射性材料的目标通过的方法,包括:
执行第一方面的方法;以及
如果响应于目标中存在异常放射性材料而生成信号,则致动屏障来阻止目标通过;或者
如果响应于目标中不存在异常放射性材料而生成信号,则致动屏障来允许目标通过。
在第一示例中(如果响应于目标中存在异常放射性材料而生成信号),致动可包括例如降低拦车吊杆、升起系柱或道钉,照亮“停”标记或以其他方式对目标通过建立屏障或障碍。在第二示例中(如果响应于目标中不存在异常放射性材料而生成信号),致动可包括例如升起拦车吊杆、降低系柱或道钉,关闭“停”标记或以其他方式移除屏障或障碍以使目标通过。
附图说明
现将参照附图,仅通过实施例描述本发明的优选实施方式,在附图中:
图1和1a是根据本发明的设备的框图;
图2是示出本发明的方法的数据处理步骤的框图;
图3A和3B形成可在其上实施所描述的配置的通用计算机系统的示意性框图;
附录A是用于执行图2的方法的软件的伪代码表示。
具体实施方式
为了确定未经授权的材料是否存在于样本中,一种方法是获得未经授权的材料的伽玛射线谱,并且将这些谱与样本的伽玛射线谱进行比较以确定任何未经授权的材料是否存在于谱中。如背景技术部分所讨论的,这种方法存在一些实施问题。本申请发明人采用一种可替换的方法,其获得表示可接受的放射性(例如,已知的天然存在的放射性材料,或包含放射性材料的可接受商品,诸如放射性药物产品)的数据库,并且识别样本是否发射出足以与可接受的放射性区分开的放射性以保证进一步的调查。数据库还可包括来自其他源(可以是正常源或者可以是异常源,或者可以其中的一些是正常源而另一些是异常源)的数据。因此,本方法不要求识别样本中放射性发射体的性质,而只需要确定它们是否异常。在该上下文中,术语“异常(anomalous)”指不正常或不可接受的或未经授权的材料。
数据库可包括从已知的不可接受的(异常的)源获得的参考伽玛射线谱。这些可包括特殊的核材料和/或工业放射性同位素。在数据库中包括这些不可接受源的伽玛射线谱(以及任选地相关联的补充数据)可在使用本发明的方法时提高威胁(异常)源与良性(可接受的)源之间的鉴别性。
本发明所采用的方法包括将样本与数据库进行比较。为了有效地实现此目的,根据标准协议对促成数据库的伽玛射线谱进行处理,并且通过主成分分析转换成多个不相关的主成分。这降低了问题的维度以方便处理。在一些示例中,主成分分析(Principal ComponentAnalysis,PCA)可由一些用于降低数据库维度的其它方法取代,诸如,遗传算法、神经网络、偏最小二乘法(PLS)、反向最小二乘法、核PCA、LLE、海赛(Hessian)LLE、拉普拉斯特征映射、LTSA、等距映射、最大方差展开、Bolzman机、投影追踪法、隐马尔科夫模型支持向量机、核回归、线性鉴别分析和分类、k最近邻分析、模糊神经网络、贝叶斯网络或聚类分析。
该方法使得不是从伽玛射线谱获得的补充数据能够输入到方法中,以进一步提高鉴别性并降低伪阳性的发生。这种补充数据例如可包括热输出、源通过检测区域的时间变量、目标的地理来源、目标供应商、总计数、货单等。
本方法的一个重要特征是在PCA中使用相关矩阵(这里称为“相关法”)来确定主成分。这产生了各种优点,包括:
·相关法希望找到标准版本的数据库的主成分,这避免了使用现有技术中的协方差方法的问题,在协方差方法中所测量的谱的相对强度决定主成分并且不利地影响性能;
·相关法更多地关注谱形状的差异,这能够更精确地检测异常,并且相反地提供更少的假警报;
·相关法允许附加的输入变量与目标的能谱组合使用。
可以将谱外数据增加到分析中,谱外数据诸如为由目标产生的热和/或这些谱经过检测区域时的时间变量。增加这些谱外数据可增加异常检测的可靠性。该方法的另一关键特征是每个被观察谱可通过操作数据的功能进行预处理以优化鉴别能力。这些功能可包括但不限于强度正规化、观察标准化和变量标准化。对于强度正规化,每个被观察谱通过具有最大数量的计数的能量仓(energy bin)进行正规化。强度正规化去除了因所测量的物质经过检测区域时的速度而引起的变化性。对于观察标准化,每个被观察谱被标准化以具有零均值和单位方差。对于变量标准化,被观察谱的每个能量仓通过数据库的各个能量仓的均值和标准差进行标准化。该变量标准化使得不同测量值的变量具有更直接的可比性。
该方法可包括对用于获得伽玛射线谱的装置进行校准。它可包括对目标伽玛射线谱和/或参考伽玛射线谱应用校准。目标伽玛射线谱的校准、或参考伽玛射线谱的校准、或两者的校准均可以用来对用于获得伽玛射线谱的装置进行标准化。可定期地进行校准。可以在每当获得谱时进行校准。可以在每当获得谱时不进行校准。例如可以每5个谱或每10、15、20、25、30、35、40、45或50个谱进行校准。可以每个小时、或每2、3、4、5、6、12、24或48小时进行校准。因此谱的能量轴可随时间偏移,并且可要求如上所述的校准以便恢复能量轴的正确能量值。
可通过使用伽玛射线检测器获得伽玛射线谱。伽玛射线检测器例如可包括基于掺铊碘化钠的伽玛射线检测器。伽玛射线检测器可包括基于掺铊碘化钠的光谱门式辐射监测器。伽玛射线检测器可包括用于放大信号的信号放大器。所获得的(目标样本的或参考样本的)原始伽玛射线信号可被输送至多通道分析器。它们可被校准以补偿检测器中的能量轴的偏移。多通道分析器可将谱中的数据分成多个仓(或能量范围)。典型地,多通道分析器将产生约1024个数据仓,但是取决于分析器可产生更多或更少的数据仓。减少数据仓的数量,即重装(rebin)数据是优选的,从而减少所产生的数据组中的变量的数量。因而可提高计算速度。原始谱的能量仓代表计数所归属的伽玛射线谱的能量间隔的最小增量。通常,原始谱中的每个间隔或仓具有相同的能宽。谱的重装可包括均匀地增加每个能量仓的宽度,从而减少整个能量范围上的总仓数以及增加新定义的仓中的计数的数量。重装不一定限于线性函数。重装后的谱可包含不均匀的仓宽,仓宽例如可以与能量平方或一些其它适当的函数成比例。重装后的谱还可包含用户定义的仓宽,该仓宽可以在整个能量范围上变化。重装后的谱的能量仓数可有效地为数据库中变量的数量,虽然还可如其它部分所描述增加补充变量。变量的数量越大,PCA的计算时间越长。仓可被重装以适合不同的功能。这可以使来自多个检测器的谱进行组合。参考数据组和目标数据的重装可以使得所有数据组使用相同的能量仓。
然后可关于在所有能量仓中最大数量的计数对数据进行正规化。这去除了可能发生在入口处的宽范围的RPM(Radiation PortalMonitor,门式辐射监测器)获取时间的影响和目标通过RPM的检测区域时通过速度变化的影响。
每个被观察能谱的数据可以被标准化或可以不被标准化。这种观察标准化使所有能量仓之间的方差调整成一致。
数据可以均进行变量标准化或者可以均不进行变量标准化。这种变量标准化使得不同测量值的变量具有更直接的可比性。
数据库从参考伽玛射线谱(以及任选相关联的补充数据)获得,参考伽玛射线谱(以及任选相关联的补充数据)从已知源获得。这些源可以是天然存在的放射性材料,或者可以是已知为良性和/或可接受的源,并且可包括任意其它类型的源,例如异常的或不可接受的源。参考伽玛射线谱可以以与目标谱类似的方式被处理,从而它们将具有可比性并且提供有意义的比较。数据库还可并入补充数据,该补充数据可协助确定目标是否应该被认为是异常的。例如,如果已知来自特定国家的目标更可能是异常的,那么来源国家数据可被输入到数据库中以构成参考数据组。然后相应的数据也可在扫描目标时被输入,从而该数据类似地构成目标数据组。类似地,如果已知具有更高平均温度的目标更可能是异常的,那么(由热检测器测量的)平均温度数据可被输入到数据库。数据库可被间歇地扩张或通过附加的参考数据组定期地扩张,以提高方法(以及系统)的鉴别能力。数据库可基于至少约10个主成分,或至少约11、12、13、14或15个主成分,或至多约20个主成分,或至多约19、18、17、16或15个主成分,或约10到约20个主成分,或者约10到15、15到20或12到18个主成分,例如约10、11、12、13、14、15、16、17、18、19或20个主成分。在一些情况下,可使用多于20个主成分,例如21、22、23、24、25、26、27、28、29或30或更多。通过降低分析的维度,将目标与参考数据库进行比较的任务被简化,以便能够快速、任选实时地进行处理,从而可快速且及时地识别异常源。
可通过对输入数据(如其他部分所描述的预处理后的参考谱以及其它任选的补充数据)的相关矩阵上进行特征分析的方式来实现PCA。然后获得相关矩阵的特征值和相应的特征向量。然后将它们按最大值的特征值的顺序进行排序。然后选出具有最大的n个特征值的n个特征向量作为主成分,此处n是选择以便在方法的充分能力与可接受的处理时间之间提供折衷的数(上面描述了适当的主成分数)。因此,适当的n的选择可取决于用于实施此方法的处理器(例如,计算机)的功率和速度。
作为在本发明的方法中进行的数据处理的实施例,多通道分析器可产生用于伽玛射线谱中的不同伽玛射线能量的一组计数。可将这些计数指定为S1到Sa,其中共有a个能量仓,代表a个不同的伽玛射线能量。S1到Sa的简单重装可包括混合(pool)能量仓对以形成重装的数据组R1至Rb,此处a=2b(由此,重装代表能量仓数的二等分)以及Rx=S2x-1+S2x。如其他部分所讨论的,可使用其它的重装方法。重装后的数据可被正规化为R1至Rb的最大值,以将能量仓N1至Nb提供给伽玛射线谱。该数据组可任选地补充有不是从伽玛射线谱获得的附加数据:A1至Ac,以形成最终的数据组N1、N2、…、Nb、A1、A2、…、Ac。
如果以上的数据处理在m个不同的参考样本(其中m优选地大于或等于b+c)上进行,那么可构造数据矩阵,其中m行是不同的数据组(或观察值),b+c列代表变量。获得该数据矩阵的相关矩阵,所得到的该相关矩阵的特征分析(或特征分解)产生p个特征向量和特征值对,其中p=b+c。这些特征向量和特征值分别被指定为V1至Vp以及e1至ep(其中特征值ex对应于特征向量Vx)。然后按数值顺序对特征值进行排序(即,最大的为第一个),并且保留最大的n个特征值(通常为约1至20,但是可为p)。在本说明书中,将主成分定义成依照最大特征值排序的特征向量。然而,应该注意到,一些文献的作者将特征向量称为主成分的系数或载荷的向量,这里主成分指的是派生变量。
将数据组投射到新的多维空间是通过将主成分(即,所选的特征向量)乘以数据组而实现的。一旦数据库和目标谱已经投射到主成分空间中,则可在它们之间进行比较。
使用相关矩阵而非例如协方差矩阵的优点可包括但不限于:(1)去除了对PCA的尺度依赖性;以及(2)标准化的变量是无量纲的并且可以容易地组合以得到主成分得分,但是协方差矩阵没有这些优点。
预处理的数据库被投射到多维空间中。多维空间不是物理空间,而是计算机或其它处理器中用于代表数据组(目标和参考)的数学构造以提供有用的比较。多维空间的维度可对应于从PCA获得(或选择)的主成分的数量。数据库可由多维空间中的一个或多个集群表示。当预处理的目标谱被投射到该多维空间中时,可以确定投射后的目标谱与集群之间的特征距离,例如马氏距离(Mahalanobis distance)。马氏距离是在分类技术中使用的测量值。马氏距离有效地为加权的欧几里得距离,其中权重由样本方差-协方差矩阵确定。该距离越大,目标参照参考材料和补充数据(如果使用)为异常的(即不正常的)可能性越大。因此,如果距离与阈值距离相比较,可做出目标是否是异常的决定并且,如果它被认定为异常的,则发出警报。在一些情况下,在距离小于阈值距离的情况下提供指示目标不是异常的信号可能是有用的。可选地,距离可被转换成目标为异常的概率,并且此概率可作为输出显示。响应于异常目标的适当警报例如可以为声音警报(例如喇叭、汽笛或类似物)、可见警报(例如光、任选地闪烁光)、屏障的致动(例如,降低拦车吊杆、升高道钉、关闭门)以阻止目标通过或运载目标的车辆通过,启动针对目标或车辆的驾驶者的指令(例如,照亮STOP(停)标志、对所述驾驶者启动声音指令)或一些其它类型的警报。出于识别警报状态和发出警报的目的,警报还可以是提供给另一系统的逻辑状态。可使用这些类型的警报中的不只一个。它们可同时启动。它们可以不同时启动。它们可以相继启动。因此本发明的设备可包括声音警报装置、可见警报装置和诸如可致动屏障的物理警报装置中的一个或多个。当目标被识别为异常时或当车辆被识别为运载异常源时,该方法可相应地包括使可致动屏障致动。如先前所描述的,可选的操作模式为在仅当目标被识别为非异常(即正常或可接受)时产生信号的时候。在这种情况下,响应于信号可致动屏障将被去除或缩回,允许运载非异常材料的车辆通过。因此,该方法可包括将信号传送至屏障装置,该屏障装置在目标被识别为运载异常源时(即,当距离大于或等于预定阈值时)阻止目标通过,而在目标被识别为未运载异常源时(即,当距离小于预定阈值时)允许目标通过。该装置可以处于正常关闭的状态(即,处于阻止或禁止目标通过的状态中),以使得响应于确定目标未包含异常源需要信号来打开它(以便允许或方便目标通过),或者该装置可处于正常打开的状态(即,处于允许目标通过的状态中),以使得响应于确定目标包含异常源需要信号来关闭它(以便禁止或阻止目标通过)。如上所讨论的,能够将概率作为输出提供。因此,结果可被表达为似然函数。异常事件已发生的可能性可被表达为具有预设值的整数,其用于定义异常物质是否存在于目标中。本发明的设备还可包括摄像头或者类似的摄影记录装置。其可用于记录通过检测区域的所有目标或车辆的图像,或者用于在检测到异常源时记录通过目标区域的目标或车辆的图像。它可用于将通过检测区域的所有目标或车辆的图像发送给操作员,或者用于将在检测到异常源时通过检测区域的目标或车辆的图像发送给所述操作员。在这种情况下,信号可被发送到用于显示图像的视频显示器。来自摄像头或类似的摄像装置的信息可用于获取补充数据,或者用于确定补充数据的性质,在PCA中用于确定目标是否为异常。本发明的方法可包括针对通过检测区域的每个车辆或目标或者通过检测区域被识别为异常源或运载异常源的每个车辆或目标,对该车辆或目标或其一部分(例如,车牌号)进行检测、以及记录和/或发送。
在获取目标伽玛射线谱的过程中,目标可经过检测区域,在检测区域上方的检测器能够检测谱。源可以以约1km/h到约12km/h、或者约1到8、1到5、5到10、1到3、3到5、或2到4km/h的平均速度经过检测区域,例如1、1.5、2、2.5、3、3.5、4、4.5、5、6、7、8、9、10、11或12km/h。目标通过检测区域的时间可为约5秒到约80秒,或者约5到50、5到20、5到15、10到80、50到80、20到50或5、5到15、15到20、5到10、10到15或7到12秒,例如约5、6、7、8、9、10、11、12、13、14、15、20、25、30、35、40、45、50、55、60、65、70、75或80秒。检测区域可为约5到约25m长,或者约5到20、5到15、5到10、10到25、15到25或10到10m,例如约5、10、15、20或25m。目标可以为人、卡车或轿车或火车车厢或一些其它车辆或其部分,或者可以由人、卡车或轿车或火车车厢或一些其它车辆或其部分运送。
图1示出了在本发明中使用的合适设备的框图。因此,检测器10为门式光谱检测器,例如基于NaI(TI)的检测器,检测器10被采用以从源(例如通过检测区域30的车辆20)获取伽玛射线谱。在一些实施方式中,主检测器(检测器10)能够收集参考谱和目标谱。例如,当没有目标处于检测区域中时可获取背景参考谱。如果使用参考检测器,它可远离门式监测器。参考检测器(如果存在)可与检测区域隔离。
该设备还可包括用于获取NORM的参考谱的参考检测器40,虽然,如上所述,在一些情况下可省略参考检测器40。设备还可包括用于获取补充数据的一个或多个辅助检测器(未示出),补充数据例如为当车辆20通过检测区域时来自车辆20的热数据,并且设备还可包括用于获取补充参考数据的一个或多个辅助参考检测器(未示出)。放大器50联接至检测器10,被设置为将来自检测器10和参考检测器40(如果存在)的数据放大。放大器50转而联接至多通道分析器60,多通道分析器60用于提供来自放大器50的放大后的数据的初始装仓(binning)。多通道分析器60联接至计算机80的存储器70,以使得来自分析器60的输入数据可被存储。存储器70还包含从NORM或其它材料获得的数据库。存储器70联接至处理器90,处理器90用于处理通过检测器10获得的数据并且确定目标20是否为异常。如果目标20被确定为异常,则提供输出100以发出警报。输出100可采用可视化输出的形式,例如警报灯。输出100可采用声音输出的形式,例如声音信号。输出100可采用动作的形式,例如降低拦车吊杆以阻止目标20通过。输出100可同时(或相继)采用多于一种的这些形式。图1a示出了类似于图1中的设备的框图,在图1a中,存在可致动屏障110以便在识别到异常目标的情况下阻止车辆20通过。在图1中,输出100可以是声音警报的形式。
因此,在操作中,目标20经过检测区域30。这典型地不包含目标20停止其前行运动,并且通常花费约5秒到约80秒。检测器10在该时间段内获取目标20的伽玛射线谱并且将该谱传送到放大器50,放大器50放大该谱的信号。然后放大后的谱被传送到多通道分析器60,多通道分析器60对放大后的谱中的数据进行初始装仓,并且将装仓后的谱传送至用于存储的存储器70。检测器10还可用于获取参考谱以用于在建立数据库中使用。可选地或附加地,参考检测器40可用于该目的。在任何事件中,参考谱按如上所述的用于目标谱的方式被处理,然后被传送至存储器70。谱数据和任选地从补充检测器获得的其他数据被传送至处理器90以用于进行以下处理:参考数据用于生成数据库,数据库通过使用处理器被投射到多维空间。目标谱经过类似的处理并被投射到该多维空间中,以便从所投射的数据库获得所投射的目标谱的特征距离。然后处理器90通过该距离确定目标20是否被认定为异常并且,如果它是异常的,则生成信号到输出100。然后可采取适当的动作,例如可以转移目标20以进行进一步的调查,或者可以降低屏障以阻止目标20通过,或者可采取一些其他动作。在图1a的设备中,输出100是声音警报。因此如果目标被确定为异常,则警报100响起。而且,如果目标被确定为异常,可致动屏障110被致动以阻止目标20通过。
图2示出了本发明的方法的流程图。最初,对参考谱进行重装和预处理,并且任选地在相关矩阵上对参考谱与补充数据进行PCA分析以生成主成分。单独地,对目标谱进行重装和预处理以生成预处理的目标数据组。然后将预处理的目标数据组与预处理的数据库一起投射到多维空间中,并且在多维空间中从预处理的数据库的集群确定预处理的目标数据组的特征距离。然后将其与阈值进行比较以确定目标谱是否是从异常源获得的。
图3A和图3B共同形成通用计算机系统300的示意性框图,在通用计算机系统300上可实施所描述的各种配置。
如图3A所示,计算机系统300由计算机模块301、诸如键盘302、鼠标点击装置303、扫描仪326、摄像头327和麦克风380的输入装置、以及包括打印机315、显示装置314和扬声器317的输出装置形成。外部调制器-解调器(调制解调器)收发器装置316可由计算机模块301使用,以用于通过连接321与通信网络320进行通信。网络320可以是广域网(WAN),诸如因特网或专用WAN。当连接321是电话线时,调制解调器316可以是传统的“拨号”调制解调器。可选地,当连接321是大容量(例如,电缆)连接时,调制解调器316可以是宽带调制解调器。无线调制解调器还可以用于与网络320进行无线连接。
计算机模块301典型地包括至少一个处理器单元305和存储器单元306,存储器单元306例如由半导体随机存取存储器(RAM)和半导体只读存储器(ROM)构成。模块301还包括多个输入/输出(I/O)接口,多个I/O接口包括与视频显示装置314、扬声器317和麦克风380联接的音频视频接口307;用于键盘302、鼠标303、扫描仪326、摄像头327和任选的控制杆(未示出)的I/O接口313;以及用于外部调制解调器316和打印机315的接口308。在一些实施方案中,调制解调器316可被并入计算机模块301中,例如并入接口308中。计算机模块301还具有本地网络接口311,本地网络接口311经由连接323允许将计算机系统300联接至被称为局域网(LAN)的本地计算机网络322。如图所示,本地网络322还可经由连接324联接至广域网320,连接324典型地包括所谓的“防火墙”装置或具有相似功能的装置。接口311可由EthernetTM电路卡、EthernetTM无线配置或IEEE 802.11无线配置形成。
接口308和313可提供串行连接或并行连接或串行和并行连接,串行连接典型地根据通用串行总线(BUS)标准实现并且具有相应的USB连接器(未示出)。提供存储装置309,存储装置309典型地包括硬盘驱动(HDD)310。也可使用其他存储装置诸如软盘驱动和磁盘驱动(未示出)。典型地提供光盘驱动312作为非易失性数据源。诸如光盘(如CD-ROM、DVD)、USB-RAM和软盘的便携式存储装置例如可用作系统300的适当的数据源。
计算机模块301的部件305至313典型地通过互连总线304并且以相关领域技术人员已知的计算机系统300的常规运行模式的方式进行通信。可实施所描述的配置的计算机的示例包括IBM-PC和兼容机、Sun Sparcstations(Sun公司工作站)、苹果MacTM或由其演进的相似计算机系统。
本发明的方法可使用计算机系统300实现,其中如上所述的图2的过程可实现为在计算机系统300内可执行的一个或多个软件应用程序333。具体地,该方法的步骤由在计算机系统300中执行的、软件333中的指令311实现。软件指令331可形成为一个或多个代码模块,每个代码模块用于执行一个或多个具体的任务。软件还可被分成两个单独的部分,其中第一部分和相应的代码模块执行该方法,第二部分和相应的代码模块管理第一部分与用户之间的用户接口。
软件333通常从计算机可读介质加载到计算机系统300中,然后通常存储在HDD 310(如图3A所示)或存储器306中,然后软件333可由计算机系统300执行。在一些示例中,在存储在存储器310或306中之前,编码在一个或多个CD-ROM 325上的应用程序333可被提供给用户并且经由相应的驱动312读取。可选地,软件333可通过计算机系统300从网络320或322读取或从其他计算机可读介质加载到计算机系统300中。附加地或可选地,例如数据库或在准备数据库时使用的参考谱的数据可存储在存储器310或306中,或者可从CD或其他计算机可读介质,或通过因特网或一些其他方式加载到所述存储器中。计算机可读存储介质指的是参与将指令和/或数据提供给计算机系统300以用于执行和/或处理的任意存储介质。这种存储介质的示例包括软盘、磁盘、CD-ROM、硬盘驱动、ROM或集成电路、USB存储器、磁光盘或计算机可读卡(诸如PCMCIA卡等),无论这些装置是在计算机模块301的内部或是外部。还参与将软件、应用程序、指令和/或数据提供给计算机模块301的计算机可读传输介质的示例可包括与另一计算机或网络装置的无线或红外传输信道以及网络连接、以及包括邮件传输和记录在网页等上的信息的因特网或内联网。
以上提及的应用程序333的第二部分和相应的代码模块可被执行,以实现待被描绘或以其他方式呈现在显示器314上的一个或多个图形用户界面(GUI)。通过典型地操作键盘302和鼠标303,计算机系统300和应用的用户可以以功能适应性方式操作界面,以向与GUI相关的应用提供控制命令和/或输入。还可实现其他形式的功能适应性用户界面,例如音频接口,其利用经由扬声器317的言语提示输出以及经由麦克风380的用户语音命令输入。
图3B是处理器305和“存储器”334的详细的示意性框图。存储器334代表可由图3A中的计算机模块301接入的所有存储器装置(包括HDD 310和半导体存储器306)的逻辑集合。
当计算机模块301被最初加电时,加电自检(POST)程序350执行。POST程序350通常被存储在半导体存储器306的ROM 349。永久存储在诸如ROM 349的硬件装置中的程序有时被称为固件。POST程序350检查计算机模块301中的硬件以确保正常运行,并且通常检查处理器305、存储器(309、306)以及基本输入输出系统软件(BIOS)模块351以进行正确的操作,BIOS也通常存储在ROM349中。一旦POST程序350已成功地运行,BIOS 351激活硬盘驱动310。硬盘驱动310的激活使驻留在硬盘驱动310中的引导载入程序352经由处理器305执行。这使得操作系统353加载到RAM存储器306上,操作系统353在RAM存储器306上开始操作。操作系统353是由处理器305可执行的系统级应用以实现各种高级功能,各种高级功能包括处理器管理、存储器管理、装置管理、存储管理、软件应用界面和通用用户界面。
操作系统353管理存储器(309、306),以确保在计算机模块301上运行的每个过程或应用具有充足的存储器以在其中执行而不与分配给另一过程中的存储器冲突。而且,在系统300中可用的不同类型的存储器必须被适当地使用,以使每个过程有效地运行。由此,被集合的存储器334不是用于说明存储器的具体段如何分配(除非另外指出),而是用于提供可由计算机系统300接入的存储器的全视图以及这些如何使用这种存储器。
处理器305包括多个功能模块,多个功能模块包括控制单元339、算术逻辑单元(ALU)340、以及本地或内部存储器348,本地或内部存储器348有时称为缓冲存储器。缓冲存储器348通常包括寄存器段中的多个存储寄存器344-346。一个或多个内部总线341功能性地互连这些功能模块。处理器305通常还具有一个或多个接口342,一个或多个接口342用于利用连接318经由系统总线304与外部装置进行通信。
应用程序333包括一系列指令331,指令331可包括条件分支和循环指令。程序333还可包括数据332,数据332在程序333的执行中使用。指令331和数据332分别存储在存储位置328-330和335-337中。取决于指令331和存储位置328-330的相对大小,具体的指令可以存储在如在存储位置330中所示的指令所描绘的单个存储位置中。可选地,指令可被分段成多个部分,每个部分被存储在如在存储位置328-329中所示的指令段所描绘的分离存储位置中。
一般地,处理器305被提供在处理器305中执行的一组指令。处理器305然后等待后续的输入,通过执行另一组指令以对该输入作出反应。每个输入可由多个源中的一个或多个提供,包括由输入装置302、303中的一个或多个生成的数据、从网络320、322中的一个网络上的外部源接收到的数据、从存储装置306、309之一获取的数据或从插入到相应读取器312中的存储介质325获取的数据。一组指令的执行可在一些情况中引起数据输出。执行还可包含将数据或变量存储到存储器334中。
所公开的配置使用输入变量354,输入变量354被存储在存储器334的相应存储位置355-358中。配置产生输出变量361,输出变量361被存储在存储器334的相应存储位置362-365中。中间变量可存储在存储位置359、360、366和367中。
处理器305的寄存器段344-346、算术逻辑单元(ALU)340和控制单元339一起工作,以执行针对构成程序333的指令组中的每个指令进行“提取、解码和执行”循环所需的微操作序列。每个提取、解码和执行循环包括:
(a)提取操作,从存储位置328提取或读取指令331;
(b)解码操作,在解码操作中控制单元339确定哪个指令已被提取;以及
(c)执行操作,在执行操作中控制单元339和/或ALU 340执行指令。
然后,可执行用于下一指令的又一提取、解码和执行循环。类似地,可执行存储循环,通过存储循环,控制器339将值存储或写入到存储位置332。
图2的过程中的每个步骤或子过程与程序333的一个或多个段相关联,并且由处理器305中的寄存器段344-347、ALU 340和控制单元339执行,处理器305中的寄存器段344-347、ALU 340和控制单元339一起工作以针对程序333的标注段的指令组中的每个指令来执行提取、解码和执行循环。
本发明的方法可选地在专用硬件中实现,专用硬件诸如为执行该方法的功能或子功能的一个或多个集成电路。这种专用硬件可包括图形处理器、数字信号处理器、现场可编程门阵列(FPGA)或一个或多个微处理和相关的存储器。
在本说明书的上下文中,词语“包括(comprising)”意味着“主要包括但不一定仅包括”或“具有”或“包含”,而不是“仅由…构成”。词语“包括(comprising)”的变型诸如“包括(comprise)”和“包括(comprises)”具有相应变化的含义。
附录A
用于执行图2的方法的软件的伪代码表达
·校准参考伽玛射线谱
·重装校准后的伽玛射线谱
·预处理重装后的伽玛射线谱
·准备预处理的数据库,预处理的数据库由预处理的参考伽玛射线谱、任选地与补充数据以矩阵形式构成
·在预处理的数据库的相关矩阵上进行主成分分析以生成主成分
·将主成分存储到存储器中
·校准目标伽玛谱
·重装校准后的目标谱
·预处理重装后的目标谱和任选地补充用于数据库的相同类型的补充数据
·将预处理的数据库和预处理的目标谱投射到由通过主成分分析获得的主成分所定义的多维空间中
·在多维空间中通过预处理的数据库和预处理的目标谱确定集群之间的特征距离
·将特征距离与阈值距离进行比较
·生成输出信号
Claims (32)
1.一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法包括:
(i)从所述目标获得目标伽玛射线谱;
(ii)通过所述目标伽玛射线谱准备目标数据组,所述目标数据组包括多个强度值,每个强度值与代表所述目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;
(iii)对所述目标数据组进行预处理;
(iv)将预处理后的目标数据组投射到主成分空间中,所述主成分空间包含被投射到所述主成分空间中的预处理数据库;
(v)确定所述主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及
(vi)将所述距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于所述目标中,
由此,
如果所述距离大于或等于所述阈值距离,则响应于所述目标中存在所述异常放射性材料生成信号;或者
如果所述距离小于所述阈值距离,则响应于所述目标中不存在所述异常放射性材料生成信号。
2.如权利要求1所述的方法,其中,如果所述距离大于或等于所述阈值距离,则响应于所述目标中存在所述异常放射性材料生成信号。
3.如权利要求1或权利要求2所述的方法,其中,所述预处理的步骤包括进行正规化,以使得所述预处理后的目标数据组为正规化的目标数据组,并且所述预处理数据库为正规化的数据库。
4.如权利要求1至3中任一项所述的方法,还包括在对所述目标数据组进行预处理的步骤之前,将所述目标数据组重装的步骤。
5.如权利要求1至4中任一项所述的方法,其中,所述预处理数据库通过如下过程获得:
iv-a)从天然存在的放射性材料和其他任选源获得包括参考伽玛射线谱的数据库;
iv-b)通过所述参考伽玛射线谱中的每个参考伽玛射线谱准备参考数据组,每个参考数据组包括多个强度值,每个强度值与代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;以及
iv-c)对每个参考数据组进行预处理以获得所述预处理数据库。
6.如权利要求5所述的方法,其中步骤iv-c)包括将所述数据组正规化,由此所述预处理数据库为正规化的数据库。
7.如权利要求5或权利要求6所述的方法,还包括在对所述目标数据组进行预处理的步骤之前,将每个参考数据组重装的步骤。
8.如权利要求1至7中任一项所述的方法,其中所述主成分空间由多个主成分限定,所述多个主成分通过对所述预处理数据库的相关矩阵进行主成分分析(PCA)而获得。
9.如权利要求1至8中任一项所述的方法,其中,所述主成分空间包括少于约20个主成分。
10.如权利要求1至9中任一项所述的方法,其中所述目标数据组和所述数据库都包括补充数据,所述补充数据不是从伽玛射线谱获得的。
11.如权利要求10所述的方法,其中,所述补充数据包括下列各项中的至少一个:所述目标的温度、所述目标的热输出、所述目标经过所述检测区域时的时间变化、所述目标的地理来源、目标供应商、总计数以及货单。
12.如权利要求1至11中任一项所述的方法,其中,步骤(v)中的所述距离为马氏距离。
13.如权利要求1至12中任一项所述的方法,其中,步骤(i)包括当所述目标经过所述检测区域时获取所述目标伽玛射线谱。
14.如权利要求13所述的方法,其中,执行步骤(i)无需所述目标在所述检测区域停留。
15.如权利要求1至14中任一项所述的方法,其中,在小于约10秒的时间内获取所述目标伽玛射线谱。
16.如权利要求1至15中任一项所述的方法,其中,所述目标伽玛射线谱通过便携式或固定式伽玛辐射监测系统获取。
17.一种用于确定检测区域的目标中是否存在异常放射性材料的设备,所述设备包括:
·检测器,用于从所述目标获得目标伽玛射线谱;
·存储器,用于存储所述目标伽玛射线谱和预处理数据库;
·处理器,联接至所述存储器,用于通过所述目标伽玛射线谱准备目标数据组,所述目标数据组包括多个强度值,每个仓与能量仓相关联,所述能量仓代表所述目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围;对所述目标数据组进行预处理;将预处理后的目标数据组投射到主成分空间中,所述主成分空间包含被投射到所述主成分空间中的预处理数据库;确定所述主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及将所述距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于所述目标中,由此,(a)如果所述距离大于或等于所述阈值距离,则响应于所述目标中存在所述异常放射性材料生成信号;或者(b)如果所述距离小于所述阈值距离,则响应于所述目标中不存在所述异常放射性材料生成信号;以及
·输出装置,用于(a)接受当所述异常放射性材料存在于所述目标中时生成的信号以生成对所述异常放射性材料的存在的物理响应,或者用于(b)接受当所述异常放射性材料不存在于所述目标中时生成的信号以生成对所述异常放射性材料的不存在的物理响应。
18.如权利要求17所述的设备,其中,所述检测器能够从天然存在的放射性材料(NORM)以及其他任选源获得参考伽玛谱,所述处理器能够对所述参考伽玛射线谱进行处理以从预处理后的参考谱形成所述预处理数据库。
19.如权利要求17或权利要求18所述的设备,其中,所述处理器能够在所述预处理数据库的相关矩阵上执行主成分分析(PCA)以生成用于所述主成分空间的主成分。
20.一种计算机程序,包括:
·用于通过目标伽玛射线谱准备目标数据组的代码,所述目标数据组包括多个强度值,每个强度值与代表所述目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;
·用于对所述目标数据组进行预处理的代码;
·用于将预处理后的目标数据组投射到主成分空间的代码,所述主成分空间包含被投射到所述主成分空间的预处理数据库;
·用于确定所述主成分空间中所投射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离的代码;以及
·用于对所述距离与预定的阈值距离进行比较以确定是否有异常放射性材料存在于所述目标中的代码。
21.如权利要求20所述的计算机程序,还包括:
·用于通过多个参考伽玛射线谱准备参考数据组的代码,每个参考数据组包括多个强度值,每个强度值与代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;以及
·用于对每个参考数据组进行预处理以获得所述预处理数据库的代码。
22.如权利要求20或权利要求21所述的计算机程序,还包括用于在所述预处理数据库的相关矩阵上执行主成分分析(PCA)以生成用于所述主成分空间的主成分的代码。
23.一种计算机可读存储介质,具有记录于其上的计算机程序,所述程序能够由计算机设备执行以使所述计算机确定在检测区域的目标中是否存在异常放射性材料,所述程序包括:
·用于通过目标伽玛射线谱准备目标数据组的代码,所述目标数据组包括多个强度值,每个强度值与代表所述目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;
·用于对所述目标数据组进行预处理的代码;
·用于将预处理后的目标数据组投射到主成分空间的代码,所述主成分空间包含被投射到所述主成分空间的预处理数据库;
·用于确定所述主成分空间中所投射的所述预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离的代码;以及
·用于对所述距离与预定的阈值距离进行比较以确定是否有异常放射性材料存在于所述目标中的代码。
24.如权利要求23所述的计算机可读存储介质,其中,所述程序还包括:
·用于通过多个参考伽玛射线谱准备参考数据组的代码,每个参考数据组包括多个强度值,每个强度值与代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;以及
·用于对每个参考数据组进行预处理以获得所述预处理数据库的代码。
25.如权利要求23或权利要求24所述的计算机可读存储介质,其中,所述程序还包括用于在所述预处理数据库的相关矩阵上执行主成分分析(PCA)以生成用于所述主成分空间的主成分的代码。
26.一种在确定检测区域的目标中是否存在异常放射性材料中使用的计算机程序元件,所述元件包括计算机代码组件以使计算机执行程序以便:
·通过目标伽玛射线谱准备目标数据组,所述目标数据组包括多个强度值,每个强度值与代表所述目标伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;
·对所述目标数据组进行预处理;
·将预处理后的目标数据组投射到主成分空间,所述主成分空间包含被投射到所述主成分空间的预处理数据库;
·确定所述主成分空间中投所射的预处理后的目标数据组与所投射的预处理数据库的一个或多个集群之间的距离;以及
·对所述距离与预定的阈值距离进行比较,以确定是否有异常放射性材料存在于所述目标中。
27.如权利要求26所述的计算机程序元件,还包括计算机代码组件以使计算机执行程序以便:
·通过多个参考伽玛射线谱准备参考数据组,每个参考数据组包括多个强度值,每个强度值与代表所述参考伽玛射线谱中的伽玛射线能量或伽玛射线能量范围的能量仓相关联;以及
·对每个参考数据组进行预处理以获得所述预处理数据库。
28.如权利要求27或权利要求27所述的计算机程序元件,还包括计算机代码组件以使计算机执行程序以便:在所述预处理数据库的相关矩阵上执行主成分分析(PCA)以生成用于所述主成分空间的主成分。
29.一种确定检测区域的目标中是否存在异常放射性材料的方法,所述方法为基本如之前参照实施例和/或附图描述的方法中的至少一种。
30.一种用于确定检测区域的目标中是否存在异常放射性材料的设备,所述设备为基本如之前参照实施例和/或附图描述的设备中的至少一种。
31.使用根据权利要求15、16或24中的任一项所述的设备来确定检测区域的目标中是否存在异常放射性材料。
32.一种用于阻止携带异常放射性材料的目标通过的方法,包括:
执行如权利要求1所述的方法;以及
如果响应于所述目标中存在所述异常放射性材料而生成信号,则将屏障致动以阻止所述目标通过;或者
如果响应于所述目标中不存在所述异常放射性材料而生成信号,则将屏障致动以允许所述目标通过。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2009905545 | 2009-11-11 | ||
AU2009905545A AU2009905545A0 (en) | 2009-11-11 | Anomaly detection of radiological signatures | |
PCT/AU2010/001509 WO2011057339A1 (en) | 2009-11-11 | 2010-11-11 | Anomaly detection of radiological signatures |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102713676A true CN102713676A (zh) | 2012-10-03 |
CN102713676B CN102713676B (zh) | 2015-04-22 |
Family
ID=43991085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080056877.2A Active CN102713676B (zh) | 2009-11-11 | 2010-11-11 | 放射性特征的异常检测 |
Country Status (15)
Country | Link |
---|---|
US (1) | US8779370B2 (zh) |
EP (1) | EP2499514B1 (zh) |
JP (1) | JP5959436B2 (zh) |
KR (1) | KR101769065B1 (zh) |
CN (1) | CN102713676B (zh) |
AU (1) | AU2010317664B2 (zh) |
BR (1) | BR112012011175B1 (zh) |
CA (1) | CA2780776C (zh) |
DK (1) | DK2499514T3 (zh) |
ES (1) | ES2886754T3 (zh) |
LT (1) | LT2499514T (zh) |
MX (1) | MX2012005520A (zh) |
MY (1) | MY166067A (zh) |
PL (1) | PL2499514T3 (zh) |
WO (1) | WO2011057339A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716356A (zh) * | 2016-09-01 | 2019-05-03 | 摄取技术有限公司 | 多变量数据中的异常检测 |
CN109863503A (zh) * | 2016-09-02 | 2019-06-07 | 卓异生物公司 | 用于单分子定量的系统和方法 |
CN110639849A (zh) * | 2019-09-04 | 2020-01-03 | 中国疾病预防控制中心辐射防护与核安全医学所 | 一种基于粮食放射性检测的报警系统和装置 |
CN110805997A (zh) * | 2019-11-14 | 2020-02-18 | 中金新源(天津)科技有限公司 | 中央空调系统节能控制方法 |
CN112462408A (zh) * | 2020-10-17 | 2021-03-09 | 中国工程物理研究院材料研究所 | 一种利用贝叶斯分析搜寻本底中弱放射源的方法 |
US11500112B2 (en) * | 2018-10-10 | 2022-11-15 | Symetrica Limited | Gamma-ray spectrum classification |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013006898A1 (en) | 2011-07-08 | 2013-01-17 | Australian Nuclear Science And Technology Organisation | Radionuclide detection and identification |
US8724904B2 (en) * | 2011-10-25 | 2014-05-13 | International Business Machines Corporation | Anomaly detection in images and videos |
US9322667B2 (en) | 2012-04-28 | 2016-04-26 | Hewlett Packard Enterprise Development Lp | Detecting anomalies in power consumption of electrical systems |
GB2526578B (en) | 2014-05-28 | 2021-08-04 | Soletanche Freyssinet Sas | Radioactive material assaying |
US10333958B2 (en) * | 2016-07-19 | 2019-06-25 | Cisco Technology, Inc. | Multi-dimensional system anomaly detection |
WO2019114608A1 (zh) | 2017-12-14 | 2019-06-20 | 广州华睿光电材料有限公司 | 过渡金属配合物、聚合物、混合物、组合物及其应用 |
CA3154664A1 (en) | 2018-05-18 | 2020-04-02 | Lawrence Livermore National Security, Llc | MULTIFACETED RADIATION DETECTION AND CLASSIFICATION SYSTEM |
US11047813B2 (en) * | 2018-05-21 | 2021-06-29 | Volodymyr Pavlovich ROMBAKH | Non-invasive monitoring of atomic reactions to detect structural failure |
CN113077850B (zh) * | 2021-03-16 | 2023-11-07 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子材料中α源的识别方法、装置及计算机可读存储介质 |
CN116628535B (zh) * | 2023-07-24 | 2023-09-22 | 山东万洋石油科技有限公司 | 一种小直径随钻伽马能谱数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070108379A1 (en) * | 2005-03-25 | 2007-05-17 | The Regents Of The Universtiy Of California | Real time gamma-ray signature identifier |
US20070278415A1 (en) * | 2002-04-24 | 2007-12-06 | Gentile Charles A | Miniature multinuclide detection system and methods |
WO2009126455A1 (en) * | 2008-04-09 | 2009-10-15 | Smiths Detection Inc. | Multi-dimensional spectral analysis for improved identification and confirmation of radioactive isotopes |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000079243A1 (en) * | 1999-06-17 | 2000-12-28 | Cyrano Sciences, Inc. | Multiple sensing system and device |
US7109859B2 (en) * | 2002-12-23 | 2006-09-19 | Gentag, Inc. | Method and apparatus for wide area surveillance of a terrorist or personal threat |
US7423273B2 (en) * | 2004-03-01 | 2008-09-09 | Varian Medical Systems Technologies, Inc. | Object examination by delayed neutrons |
US7430479B1 (en) | 2004-08-17 | 2008-09-30 | Science Applications International Corporation | System and method for analyzing content data |
US7391028B1 (en) * | 2005-02-28 | 2008-06-24 | Advanced Fuel Research, Inc. | Apparatus and method for detection of radiation |
CN101166996B (zh) * | 2005-02-28 | 2013-04-17 | 先进燃料研究股份有限公司 | 用于辐射检测的装置和方法 |
-
2010
- 2010-11-11 EP EP10829356.4A patent/EP2499514B1/en active Active
- 2010-11-11 CA CA2780776A patent/CA2780776C/en active Active
- 2010-11-11 ES ES10829356T patent/ES2886754T3/es active Active
- 2010-11-11 LT LTEPPCT/AU2010/001509T patent/LT2499514T/lt unknown
- 2010-11-11 WO PCT/AU2010/001509 patent/WO2011057339A1/en active Application Filing
- 2010-11-11 KR KR1020127013080A patent/KR101769065B1/ko active IP Right Grant
- 2010-11-11 AU AU2010317664A patent/AU2010317664B2/en active Active
- 2010-11-11 DK DK10829356.4T patent/DK2499514T3/da active
- 2010-11-11 MY MYPI2012002065A patent/MY166067A/en unknown
- 2010-11-11 BR BR112012011175-2A patent/BR112012011175B1/pt active IP Right Grant
- 2010-11-11 PL PL10829356T patent/PL2499514T3/pl unknown
- 2010-11-11 CN CN201080056877.2A patent/CN102713676B/zh active Active
- 2010-11-11 US US13/509,086 patent/US8779370B2/en active Active
- 2010-11-11 MX MX2012005520A patent/MX2012005520A/es active IP Right Grant
- 2010-11-11 JP JP2012538144A patent/JP5959436B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070278415A1 (en) * | 2002-04-24 | 2007-12-06 | Gentile Charles A | Miniature multinuclide detection system and methods |
US20070108379A1 (en) * | 2005-03-25 | 2007-05-17 | The Regents Of The Universtiy Of California | Real time gamma-ray signature identifier |
WO2009126455A1 (en) * | 2008-04-09 | 2009-10-15 | Smiths Detection Inc. | Multi-dimensional spectral analysis for improved identification and confirmation of radioactive isotopes |
Non-Patent Citations (2)
Title |
---|
ROBERT C.RUNKLE: "Analysis of Spectroscopic Radiation Portal Monitor Data Using Principal Components Analysis", 《IEEE TRANSACTIONS ON NUCLEAR SCIENCE》 * |
朱晓峰: "协方差矩阵和相关系数矩阵下主成分分析比较研究", 《中国体育科技》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716356A (zh) * | 2016-09-01 | 2019-05-03 | 摄取技术有限公司 | 多变量数据中的异常检测 |
CN109863503A (zh) * | 2016-09-02 | 2019-06-07 | 卓异生物公司 | 用于单分子定量的系统和方法 |
CN109863503B (zh) * | 2016-09-02 | 2023-05-23 | 英维特公司 | 用于单分子定量的系统和方法 |
US11500112B2 (en) * | 2018-10-10 | 2022-11-15 | Symetrica Limited | Gamma-ray spectrum classification |
CN110639849A (zh) * | 2019-09-04 | 2020-01-03 | 中国疾病预防控制中心辐射防护与核安全医学所 | 一种基于粮食放射性检测的报警系统和装置 |
CN110805997A (zh) * | 2019-11-14 | 2020-02-18 | 中金新源(天津)科技有限公司 | 中央空调系统节能控制方法 |
CN112462408A (zh) * | 2020-10-17 | 2021-03-09 | 中国工程物理研究院材料研究所 | 一种利用贝叶斯分析搜寻本底中弱放射源的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2013511026A (ja) | 2013-03-28 |
CA2780776A1 (en) | 2011-05-19 |
KR101769065B1 (ko) | 2017-08-17 |
BR112012011175A2 (pt) | 2018-04-10 |
CA2780776C (en) | 2018-01-02 |
PL2499514T3 (pl) | 2022-01-24 |
EP2499514B1 (en) | 2021-08-11 |
AU2010317664A1 (en) | 2012-06-07 |
DK2499514T3 (da) | 2021-09-20 |
EP2499514A1 (en) | 2012-09-19 |
AU2010317664B2 (en) | 2013-09-19 |
EP2499514A4 (en) | 2015-03-18 |
US8779370B2 (en) | 2014-07-15 |
US20120311933A1 (en) | 2012-12-13 |
LT2499514T (lt) | 2021-10-11 |
BR112012011175B1 (pt) | 2020-12-01 |
ES2886754T3 (es) | 2021-12-20 |
CN102713676B (zh) | 2015-04-22 |
MX2012005520A (es) | 2012-09-07 |
JP5959436B2 (ja) | 2016-08-02 |
MY166067A (en) | 2018-05-23 |
KR20120106736A (ko) | 2012-09-26 |
WO2011057339A1 (en) | 2011-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102713676B (zh) | 放射性特征的异常检测 | |
KR101988902B1 (ko) | 방사성 핵종 검출 및 식별 | |
Koo et al. | Development of a radionuclide identification algorithm based on a convolutional neural network for radiation portal monitoring system | |
US20090236538A1 (en) | Mobile radiation threat identification system | |
CN103314311A (zh) | 用于借由中子探询检测核材料的方法以及有关检测系统 | |
US20090236531A1 (en) | Horizontal sensor arrays for non-invasive identification of hazardous materials | |
WO2009120674A1 (en) | Horizontal sensor arrays for non-invasive identification of hazardous materials | |
Fjeldsted et al. | The Development of a Feature-Driven Analytical Approach for Gamma-Ray Spectral Analysis | |
CN101617246A (zh) | 计算的断层摄影检查 | |
US20240046635A1 (en) | Data and Algorithm Quality Checker for Scanning Systems | |
Blázquez et al. | Classification of radionuclides on polyvinyl toluene radiation portal monitors by a neural network based system § | |
Qi et al. | Online neutron/gamma discrimination and source detection using CLYC (Ce) scintillator: A sequential approach | |
Hobbs et al. | Data Science in Support of Radiation Detection for Border Monitoring: An Exploratory Study | |
Weier et al. | Impact of point-source injection methodologies on injection studies | |
Sparger | Machine Learning and Neutron Sensing in Mobile Nuclear Threat Detection | |
Burr et al. | Data Mining In Radiation Portal Monitoring | |
Richardson | Technologies for Fissile Material Detection and Prevention of Fissile Material Introduction into International Shipping | |
WO2011068577A1 (en) | Systems, methods, and computer-readable media for explosive detection | |
Lee et al. | Intelligent surveillance system based on the self-organized feature mapping and RGB color plane threshold approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |