FR3092667A1 - Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier - Google Patents
Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier Download PDFInfo
- Publication number
- FR3092667A1 FR3092667A1 FR1901292A FR1901292A FR3092667A1 FR 3092667 A1 FR3092667 A1 FR 3092667A1 FR 1901292 A FR1901292 A FR 1901292A FR 1901292 A FR1901292 A FR 1901292A FR 3092667 A1 FR3092667 A1 FR 3092667A1
- Authority
- FR
- France
- Prior art keywords
- composition
- training
- identified
- gamma
- learning
- 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
- 239000000203 mixture Substances 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000001228 spectrum Methods 0.000 claims abstract description 100
- 238000012549 training Methods 0.000 claims abstract description 82
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 239000002245 particle Substances 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 44
- 229910052729 chemical element Inorganic materials 0.000 claims abstract description 10
- 229910052739 hydrogen Inorganic materials 0.000 claims description 42
- 239000001257 hydrogen Substances 0.000 claims description 37
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 36
- 229910052799 carbon Inorganic materials 0.000 claims description 22
- 229910052760 oxygen Inorganic materials 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 22
- 229910052757 nitrogen Inorganic materials 0.000 claims description 21
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 20
- 239000001301 oxygen Substances 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000004907 flux Effects 0.000 claims description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 description 24
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 12
- 210000002364 input neuron Anatomy 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 230000001066 destructive effect Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 210000004205 output neuron Anatomy 0.000 description 5
- SPSSULHKWOKEEL-UHFFFAOYSA-N 2,4,6-trinitrotoluene Chemical compound CC1=C([N+]([O-])=O)C=C([N+]([O-])=O)C=C1[N+]([O-])=O SPSSULHKWOKEEL-UHFFFAOYSA-N 0.000 description 4
- 239000000015 trinitrotoluene Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 239000002901 radioactive waste Substances 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009666 routine test Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/221—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by activation analysis
- G01N23/222—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by activation analysis using neutron activation analysis [NAA]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
- G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
- G01V5/234—Measuring induced radiation, e.g. thermal neutron activation analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
- G01N2223/074—Investigating materials by wave or particle radiation secondary emission activation analysis
- G01N2223/0745—Investigating materials by wave or particle radiation secondary emission activation analysis neutron-gamma activation analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/106—Different kinds of radiation or particles neutrons
- G01N2223/1063—Different kinds of radiation or particles neutrons fast
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
L’invention concerne un procédé de détermination d’une faction atomique respective d’éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier (40). Le procédé étant mis en œuvre au moyen d’un système de mesure (10) basé sur la technique de la particule associée et d’une unité de traitement (20) comprenant un réseau de neurones (25). Le procédé comprenant: fourniture d’une pluralité de spectres gamma d’apprentissage ; mise en œuvre par l’unité de traitement (20) d’une procédure d’apprentissage du réseau de neurones (25) à partir de la pluralité de spectres gamma d’apprentissage pour déterminer la relation entre les spectres gamma d’apprentissage et la composition d’échantillons correspondants ; réalisation d’une mesure avec la technique de la particule associée de l’objet à identifier et ; détermination, au moyen de la relation déterminée, d’une composition de l’objet à identifier à partir du résultat de la mesure. Figure pour l’abrégé : figure 3
Description
L’invention concerne les dispositifs d’inspection non destructive d’objets afin d’en identifier la composition.
L’invention a ainsi plus particulièrement pour objet un procédé de détermination de la composition d’un objet à identifier, un dispositif de détermination de la composition d’un objet à identifier et un programme.
État de l’art antérieur
Afin d’identifier la composition d’objets inconnus ou dont le contenu peut être douteux, il est connu d’utiliser des dispositifs d’inspection non destructive. De tels dispositifs sont ainsi notamment utilisés dans le cadre de la sécurité des lieux et des personnes, tels que dans le cadre de la surveillance des aéroports et dans le cadre de la surveillance des importations au niveau des frontières et des zones portuaires, ceci notamment pour éviter l’entrée de produits prohibés tels que des matériaux explosifs.
On notera que tels dispositifs peuvent notamment être utilisés dans le cadre du traitement des matériaux radioactifs et notamment des déchets radioactifs. En effet, il est important de pouvoir identifier la composition précise des déchets radioactifs ceci notamment lors de leur production mais également de manière préalable à leur récupération, lorsque ces déchets sont anciens et/ou inconnus, en vue de leur transport, entreposage et leur stockage définitif.
Ces dispositifs d’inspection non destructive sont notamment basés sur l’activation neutronique et l’analyse du rayonnement induit par une telle activation. A partir de ces rayonnements induits, il est possible de déterminer au moins une partie de la composition de l’objet à identifier.
Néanmoins quelle que soit la technique d’analyse sur laquelle sont basés de tels dispositifs d’inspection non destructive, ils présentent un certain nombre d’inconvénients. En effet, en fonction de la technique employée, les dispositifs d’inspection présentent les inconvénients suivants:
(i)en ce qui concerne l’analyse d’impulsion de neutrons rapides [1], s’il est possible de cartographier les propositions relatives en carbone C, azote N et en oxygène O de l’objet à identifier, il n’est pas possible de déterminer la proportion d’hydrogène H dans l’objet à identifier puisque la raie de gamma de capture radiative de l’hydrogène ne se produit qu’avec des neutrons thermiques présentant une section efficace importante, la production de la raie gamma de capture radiative de l’hydrogène présentant une section efficace très faible pour avec des neutrons rapides, comme montré sur la figure 1,
(ii)les mesures de transmission de neutrons rapides [2], si ces mesures permettent de notamment détecter la proportion d’hydrogène H, ces mesures ne sont pas compatibles avec des objets présentant une épaisseur relativement importante,
(iii)la détection de neutrons thermiques [3] ou rapides [4] diffusés, ces techniques ne sont adaptées que pour fournir une information concernant la quantité d’hydrogène, elles ne permettent pas d’obtenir d’informations concernant les autres éléments,
(iv)l’analyse par activation neutronique [5], si une telle analyse permet de déterminer la proportion relative en carbone C, azote N, oxygène O et d’hydrogène H de l’objet à identifier, elle présente néanmoins l’inconvénient d’être également dépendante des rayonnements de l’environnement de l’objet à identifier générés eux-aussi par les neutrons émis par la source de neutrons, il est donc nécessaire, avec une telle technique d’utiliser un collimateur ce qui augmente le temps de mesure et, de plus, une telle technique ne permet pas de déterminer la variation de proportion en fonction de la profondeur
(v)la tomographie photonique multi-énergie [6], cette technique ne permet de déterminer qu’un numéro atomique moyen du matériau inspecté et il n’est donc pas possible de déterminer la composition élémentaire de l’objet à identifier, notamment en ce qui concerne la proportion relative en carbone C, azote N, oxygène O et d’hydrogène H,
(vi)la radiographie neutronique [7], cette technique permet de cartographier la présence de matériaux hydrogénés mais n’est pas adaptée pour déterminer la composition élémentaire de l’objet à identifier,
(vii)la technique de la particule associée [8], s’il est possible de déterminer les propositions relatives en carbone C, azote N et en oxygène O de l’objet à identifier, il n’est pas possible de déterminer la proportion d’hydrogène H dans l’objet à identifier puisque, comme cela a été montré en lien avec la figure 1, la raie de gamma de capture radiative de l’hydrogène ne se produit qu’avec des neutrons thermiques, présentant une section efficace importante, la section efficace de capture radiative étant très faible avec des neutrons rapides.
(i)en ce qui concerne l’analyse d’impulsion de neutrons rapides [1], s’il est possible de cartographier les propositions relatives en carbone C, azote N et en oxygène O de l’objet à identifier, il n’est pas possible de déterminer la proportion d’hydrogène H dans l’objet à identifier puisque la raie de gamma de capture radiative de l’hydrogène ne se produit qu’avec des neutrons thermiques présentant une section efficace importante, la production de la raie gamma de capture radiative de l’hydrogène présentant une section efficace très faible pour avec des neutrons rapides, comme montré sur la figure 1,
(ii)les mesures de transmission de neutrons rapides [2], si ces mesures permettent de notamment détecter la proportion d’hydrogène H, ces mesures ne sont pas compatibles avec des objets présentant une épaisseur relativement importante,
(iii)la détection de neutrons thermiques [3] ou rapides [4] diffusés, ces techniques ne sont adaptées que pour fournir une information concernant la quantité d’hydrogène, elles ne permettent pas d’obtenir d’informations concernant les autres éléments,
(iv)l’analyse par activation neutronique [5], si une telle analyse permet de déterminer la proportion relative en carbone C, azote N, oxygène O et d’hydrogène H de l’objet à identifier, elle présente néanmoins l’inconvénient d’être également dépendante des rayonnements de l’environnement de l’objet à identifier générés eux-aussi par les neutrons émis par la source de neutrons, il est donc nécessaire, avec une telle technique d’utiliser un collimateur ce qui augmente le temps de mesure et, de plus, une telle technique ne permet pas de déterminer la variation de proportion en fonction de la profondeur
(v)la tomographie photonique multi-énergie [6], cette technique ne permet de déterminer qu’un numéro atomique moyen du matériau inspecté et il n’est donc pas possible de déterminer la composition élémentaire de l’objet à identifier, notamment en ce qui concerne la proportion relative en carbone C, azote N, oxygène O et d’hydrogène H,
(vi)la radiographie neutronique [7], cette technique permet de cartographier la présence de matériaux hydrogénés mais n’est pas adaptée pour déterminer la composition élémentaire de l’objet à identifier,
(vii)la technique de la particule associée [8], s’il est possible de déterminer les propositions relatives en carbone C, azote N et en oxygène O de l’objet à identifier, il n’est pas possible de déterminer la proportion d’hydrogène H dans l’objet à identifier puisque, comme cela a été montré en lien avec la figure 1, la raie de gamma de capture radiative de l’hydrogène ne se produit qu’avec des neutrons thermiques, présentant une section efficace importante, la section efficace de capture radiative étant très faible avec des neutrons rapides.
Ainsi, il n’existe pas actuellement de technique d’identification qui permette de fournir une composition chimique des éléments majoritaires d’un objet de composition inconnue. Plus précisément, on vise à déterminer la fraction atomique des éléments majoritaires, c’est-à-dire dont la fraction atomique est supérieure à 10% voire 6% ou encore 3 à 4%.
L’invention vise à remédier à ces inconvénients et a ainsi pour but de fournir un procédé de détection de la composition chimique d’un objet de composition inconnue qui permette une détermination efficace et de manière non destructive de la composition d’un objet à identifier ceci même pour des objets de relativement grande dimension et en fournissant la fraction élémentaire en hydrogène.
L’invention concerne à cet effet un procédé de détermination d’une faction atomique respective d’éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier, le procédé étant mis en œuvre au moyen d’un système de mesure basé sur la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, et d’une unité de traitement comprenant un réseau de neurones, le système de mesure comprenant une source de neutrons à particule associée ou de neutrons rapides, un détecteur de rayonnement gamma et un détecteur de particule alpha, le procédé comprenant les étapes suivantes :
-fourniture d’une pluralité de spectres gamma d’apprentissage, au moins une partie desdits spectres d’apprentissage étant générée par calcul, chaque spectre gamma d’apprentissage correspondant à une émission gamma d’un échantillon respectif induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons, ledit échantillon présentant une composition prédéterminée,
-mise en œuvre par l’unité de traitement d’une procédure d’apprentissage du réseau de neurones à partir de la pluralité de spectres gamma d’apprentissage associés aux différents échantillons d’apprentissage afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-réalisation d’une mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, de l’objet à identifier à partir du système de mesure et,
-détermination, par l’unité de traitement et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, ladite composition de l’objet à identifier comprenant notamment la proportion relative des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier.
-fourniture d’une pluralité de spectres gamma d’apprentissage, au moins une partie desdits spectres d’apprentissage étant générée par calcul, chaque spectre gamma d’apprentissage correspondant à une émission gamma d’un échantillon respectif induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons, ledit échantillon présentant une composition prédéterminée,
-mise en œuvre par l’unité de traitement d’une procédure d’apprentissage du réseau de neurones à partir de la pluralité de spectres gamma d’apprentissage associés aux différents échantillons d’apprentissage afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-réalisation d’une mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, de l’objet à identifier à partir du système de mesure et,
-détermination, par l’unité de traitement et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, ladite composition de l’objet à identifier comprenant notamment la proportion relative des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier.
Les inventeurs ont découvert que, contrairement aux attentes de l’homme du métier, il était possible d’obtenir par l’utilisation d’une unité de traitement comprenant un réseau de neurones une information sur la proportion d’hydrogène H dans l’objet à identifier.
En effet, la technique de la particule associée consiste à utiliser une source de neutrons à particule associée pour générer une émission de photon gamma, la localisation d’émission gamma peut être identifiée au moyen du retard vis-à-vis de l’émission du neutron à l’origine de ladite émission. Lors de la mise en œuvre de cette technique, l’émission du neutron est déterminée au moyen de la particule gamma associé à l’émission du neutron. Dans le cadre d’une telle technique, les neutrons émis présentent une énergie de départ d’au moins 14 MeV, ce qui assure une interaction avec les différents éléments constituant l’objet à identifier dont notamment les noyaux de carbone C, d’azote N et d’oxygène O, car les seuils énergétiques permettant la production de rayonnement gamma pour ces éléments sont situés en dessous de 14 MeV.
Cette technique de la particule associée permet donc, conformément aux connaissances de l’homme du métier, de déterminer la composition de l’objet à identifier pour un grand nombre d’éléments chimiques à l’exclusion de l’hydrogène, puisqu’en raison de la faible section efficace de capture radiative de neutrons présentant 14 MeV par l’hydrogène, comme montré par la figure 1, ne permet pas de généré de pic d’énergie associé à l’hydrogène.
Néanmoins, les spectres gamma obtenus avec une telle technique peuvent être modifiés par la présente d’atomes d’hydrogène. En effet, les neutrons émis par la source peuvent perdre de l’énergie, par thermalisation dans les matrices d’hydrogénées. Or, comme le sait l’homme du métier et comme illustré sur la figure 2, des neutrons possédant une énergie inférieure à 14 MeV, comme ceux utilisés pour le deuxième spectre gamma montré sur la figure 1, ne présentent soit pas l’énergie suffisante pour déclencher l’ensemble des réactions générées par des neutrons présentant une énergie de 14 MeV, qui est l’énergie généralement utilisée pour une telle technique, soit ne génèrent pas les différentes raies avec la même probabilité qu’un neutron d’énergie de 14 MeV.
Ainsi, en cas de perte d’énergie, comme le montre la figure 2 par la comparaison d’un spectre gamma 101 induit par des neutrons de 14 MeV avec un spectre gamma 102 induit par des neutrons de 6 MeV, ceci pour de l’azote N, le spectre gamma présente les mêmes raies d’énergie mais avec une amplitude différente. Ainsi le spectre gamma est dépendant à la fois de la composition de l’objet à identifier et des pertes d’énergie liées à la présence d’hydrogène. On notera, qui plus est, que la proportion d’hydrogène H dans l’objet à identifier ne peut généralement pas être obtenue puisque la raie gamma de capture radiative de l’hydrogène ne se produit qu’avec des neutrons thermiques, c’est-à-dire ceux présentent une plus faible énergie tels que les neutrons thermiques (énergie de l’ordre du centième d’électron volte), qui présentent une section efficace de capture importante, la production de la raie gamma de capture radiative de l’hydrogène présentant une section efficace très faible pour avec des neutrons rapides.
Pour toutes ces raisons, il n’est pas possible pour l’homme du métier, d’exploiter les spectres gamma obtenus par une mesure avec la technique de la particule associée pour déterminer précisément la composition d’un objet à identifier en ce qui concerne notamment la proportion atomique en hydrogène.
C’est donc à l’encontre de toutes les connaissances de l’homme du métier que les inventeurs ont découvert qu’il était possible de déterminer précisément et de manière efficace la composition d’un objet à identifier, notamment en ce qui concerne la proportion atomique en hydrogène, ceci en combinant des mesures de la technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, à une analyse par réseau de neurones conformément au procédé selon l’invention.
Il peut être prévu lors de la mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones les sous-étapes suivantes :
- détermination pour chacun des spectres gamma d’apprentissage de l’amplitude ou de l’aire nette de pics d’énergie d’intérêt normalisés au flux neutronique,
- mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones à partir d’amplitudes, ou d’aires nettes, de pics d’énergie d’intérêt normalisés au flux neutronique déterminées pour chacun des spectres gamma d’apprentissage et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre l’amplitude, ou l’aire nette, des pics d’énergie d’intérêt des spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
l’étape de détermination de la composition de l’objet à identifier, par l’unité de traitement, comprenant les sous-étapes suivantes :
-détermination, à partir du résultat de la mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, d’amplitudes mesurées des pics d’énergie d’intérêt,
-détermination, par l’unité de traitement, à partir des amplitudes ou aires nettes mesurées des pics d’énergie d’intérêt normalisés au flux neutronique et au moyen de la relation entre l’amplitude ou l’aire nette des pics d’énergie d’intérêt normalisés au flux neutronique et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier.
- détermination pour chacun des spectres gamma d’apprentissage de l’amplitude ou de l’aire nette de pics d’énergie d’intérêt normalisés au flux neutronique,
- mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones à partir d’amplitudes, ou d’aires nettes, de pics d’énergie d’intérêt normalisés au flux neutronique déterminées pour chacun des spectres gamma d’apprentissage et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre l’amplitude, ou l’aire nette, des pics d’énergie d’intérêt des spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
l’étape de détermination de la composition de l’objet à identifier, par l’unité de traitement, comprenant les sous-étapes suivantes :
-détermination, à partir du résultat de la mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, d’amplitudes mesurées des pics d’énergie d’intérêt,
-détermination, par l’unité de traitement, à partir des amplitudes ou aires nettes mesurées des pics d’énergie d’intérêt normalisés au flux neutronique et au moyen de la relation entre l’amplitude ou l’aire nette des pics d’énergie d’intérêt normalisés au flux neutronique et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier.
Au moins une partie des pics d’énergie d’intérêt présente une énergie sensiblement égale à 727 keV, 847 keV, 1238 keV, 2125 keV, 2313 keV, 2742 keV, 3684 keV, 4439 keV, 5106 keV ou à 6130 keV.
Ces pics d’énergie d’intérêt correspondent aux pics d’émission gamma des éléments principaux susceptibles d’être contenus dans l’objet à identifier, à savoir l’oxygène O, l’azote N et le carbone C.
L’au moins une partie desdits spectres générée par calcul est calculée en associant, pour chacun des spectres gamma de d’apprentissage de ladite partie, d’au moins un premier et un deuxième spectres gamma respectifs correspondant chacun à une émission gamma induite par un rayonnement neutronique correspondant à la source de neutrons pour respectivement au moins un premier échantillon et un deuxième échantillons présentant une première composition prédéterminée et une deuxième composition prédéterminée, la composition prédéterminé de l’échantillon d’apprentissage pour un spectre gamma d’apprentissage obtenu par une telle association correspondant à l’association de la première composition prédéterminée et de la deuxième composition prédéterminée.
Une telle génération des spectres calculés permet de fournir un nombre important de spectres d’apprentissage assurant un apprentissage particulièrement efficace et donc une bonne identification de la composition de l’objet à identifier.
Les spectres gamma fournis peuvent être fournis sous la forme d’amplitude ou d’aire de pics d’énergie d’intérêt normalisé au flux neutronique, l’étape de détermination pour chacun des spectres gamma d’apprentissage de l’amplitude de pics ou d’aire d’énergie d’intérêt normalisé au flux neutronique consistant en une récupération des données correspondantes.
De cette manière, il n’est pas nécessaire de récupérer l’intégralité des spectres, seules les valeurs liées aux pics d’intérêt étant à enregistrer.
La composition de l’objet à identifier et des échantillons d’apprentissage peuvent comprendre une fraction atomique respective de carbone, d’hydrogène, d’azote et d’oxygène.
Ces éléments sont particulièrement importants pour déterminer le matériau dans lequel est réalisé l’objet à identifier.
La composition des échantillons d’apprentissage peut comprendre une densité de l’échantillon d’apprentissage, et dans lequel lors de l’étape de détermination, par l’unité de traitement et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, il peut également être déterminé la densité de l’objet à identifier.
Une telle information est particulièrement importante pour déterminer la quantité du matériau détecté que l’objet à identifier contient.
L’invention concerne également un procédé d’inspection du contenu de contenants, tels que des paquets et des containers, le procédé comprenant les étapes suivantes :
-radiographie de l’intérieur du contenant afin d’identifier au moins un objet à identifier,
-détermination des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition de l’objet à identifier, ladite détermination étant réalisée au moyen d’un procédé de détermination selon l’invention.
-radiographie de l’intérieur du contenant afin d’identifier au moins un objet à identifier,
-détermination des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition de l’objet à identifier, ladite détermination étant réalisée au moyen d’un procédé de détermination selon l’invention.
De cette manière, il est possible d’inspecter efficacement les contenants, tels que les containers, afin d’identifier les éventuels objets susceptibles de contenir un matériau prohibé, tel que de la drogue ou des explosifs, et de vérifier si ces objets contiennent effectivement un tel matériau prohibé.
L’invention concerne en outre un dispositif de détermination de la composition d’un objet à identifier comprenant :
- un système de mesure basé sur la technique de la particule associée ou comprenant une source de neutrons à particule associée, un détecteur de rayonnement gamma et un détecteur de particule alpha,
- une unité de traitement,
le dispositif de détermination étant caractérisé en ce que l’unité de traitement comprend un réseau de neurones, l’unité de traitement étant configurée pour :
●réaliser une procédure d’apprentissage du réseau de neurones à partir d’une pluralité de spectres gamma d’apprentissage et de la composition d’échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
●déterminer la composition élémentaire de l’objet à identifier au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage et à partir d’un résultat d’une mesure avec la technique de la particule associée de l’objet à identifier réalisée à partir du système de mesure.
- un système de mesure basé sur la technique de la particule associée ou comprenant une source de neutrons à particule associée, un détecteur de rayonnement gamma et un détecteur de particule alpha,
- une unité de traitement,
le dispositif de détermination étant caractérisé en ce que l’unité de traitement comprend un réseau de neurones, l’unité de traitement étant configurée pour :
●réaliser une procédure d’apprentissage du réseau de neurones à partir d’une pluralité de spectres gamma d’apprentissage et de la composition d’échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
●déterminer la composition élémentaire de l’objet à identifier au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage et à partir d’un résultat d’une mesure avec la technique de la particule associée de l’objet à identifier réalisée à partir du système de mesure.
Un tel dispositif est adapté pour permettre la mise en œuvre d’un procédé selon l’invention et donc de bénéficier des avantages qui y sont liés.
L’invention concerne en outre Programme d’ordinateur destiné à mettre en œuvre le procédé selon l’invention, le programme d’ordinateur comportant des instructions de simulation du réseau de neurones et des instructions pour réaliser les étapes suivantes :
-de mise en œuvre par d’une procédure d’apprentissage du réseau de neurones à partir de la pluralité de spectres gamma d’apprentissage, dont au moins une partie et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-de détermination, au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée.
-de mise en œuvre par d’une procédure d’apprentissage du réseau de neurones à partir de la pluralité de spectres gamma d’apprentissage, dont au moins une partie et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-de détermination, au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée.
Un tel programme permet, lorsqu’il est installé sur un ordinateur de traitement d’un système de mesure basé sur la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, de fournir une unité de traitement adaptée pour permettre la mise en œuvre d’un procédé de l’invention et donc de bénéficier des avantages qui y sont associés.
L’invention sera mieux comprise à l’aide de la description qui va suivre, donnée uniquement à titre d’exemple non limitatif et faite en se référant aux dessins annexés sur lesquels :
Les différentes parties représentées sur les figures ne le sont pas selon une échelle uniforme, pour rendre les figures plus lisibles.
Les différentes possibilités (variantes et modes de réalisation) doivent être comprises comme n’étant pas exclusives les unes des autres et peuvent se combiner entre elles.
E
xposé détaillé de modes de réalisation particuliers
La figure 3 illustre un dispositif de détermination selon l’invention, ledit dispositif étant configuré pour permettre la détermination d’une faction atomique respective d’éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier 40.
Un dispositif selon l’invention comporte, comme illustré sur la figure3 :
-un système de mesure basé sur la technique de la particule associée 10 comprenant une source de neutrons 12 à particule associée, un détecteur de rayonnement gamma 14 et un détecteur de particule alpha 16,
-une unité de traitement 20 comprenant un réseau de neurones 25.
-un système de mesure basé sur la technique de la particule associée 10 comprenant une source de neutrons 12 à particule associée, un détecteur de rayonnement gamma 14 et un détecteur de particule alpha 16,
-une unité de traitement 20 comprenant un réseau de neurones 25.
Le système de mesure 10 basé sur la technique de la particule associée est un système de mesure conforme à l’art antérieur similaire, par exemple, à celui décrit dans le document WO2013/181646.
L’unité de traitement est configurée pour :
-mettre en œuvre une procédure d’apprentissage du réseau de neurones à partir d’une pluralité de spectres gamma d’apprentissage et de la composition d’échantillons d’apprentissage correspondants afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-déterminer la composition de l’objet à identifier au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage et à partir d’un résultat d’une mesure avec la technique de la particule associée de l’objet à identifier réalisée à partir du système de mesure.
-mettre en œuvre une procédure d’apprentissage du réseau de neurones à partir d’une pluralité de spectres gamma d’apprentissage et de la composition d’échantillons d’apprentissage correspondants afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
-déterminer la composition de l’objet à identifier au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage et à partir d’un résultat d’une mesure avec la technique de la particule associée de l’objet à identifier réalisée à partir du système de mesure.
La composition de l’objet à identifier 40 déterminée comprend notamment la proportion relative des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier 40.
La procédure d’apprentissage est réalisée à partir d’une pluralité de spectres gamma d’apprentissage fournie à l’unité de traitement 20, chaque spectre gamma d’apprentissage correspondant à une émission gamma induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons pour un échantillon d’apprentissage respectif présentant une composition prédéterminée.
Au moins une partie des spectres est générée par calcul. Ces spectres calculés peuvent par exemple être calculés en associant au moins un premier et un deuxième spectre gamma respectifs correspondant chacun à une émission gamma induite par un rayonnement neutronique correspondant à la source de neutrons pour respectivement un premier échantillon et un deuxième échantillon présentant une première composition prédéterminée et une deuxième composition prédéterminée, la composition prédéterminée de l’échantillon d’apprentissage pour un spectre gamma d’apprentissage obtenu par une telle association correspondant à l’association de la première composition prédéterminée et de la deuxième composition prédéterminée. Bien entendu, et d’une manière préférée, les spectres calculés peuvent être calculées par association de plus deux spectres gamma respectifs, ceci de manière à fournir des échantillons d’apprentissages présentant une composition relativement complexe.
Pour chacun des spectres gamma calculés par association d’au moins premier et deuxième spectre gamma, chacun des aux moins premier et deuxième spectres gamma peut être sélectionnés parmi :
-des spectres gamma obtenues lors d’une procédure d’étalonnage du système de mesure avec la technique de la particule associée ou d’un système de mesure avec la technique de la particule associée similaire, cette procédure d’étalonnage pouvant être réalisée en usine lors de la fabrication du dispositif de détermination 1 ou par l’utilisateur avant une première utilisation du dispositif de détermination 1,
-des spectres gamma récupérés dans des d’abaques de spectres gamma d’échantillons récupérés préalablement à la fabrication du dispositif de détermination, lesdits abaques permettant de mettre en correspondance les spectres gamma avec la composition d’un échantillon correspondant.
-des spectres gamma obtenues lors d’une procédure d’étalonnage du système de mesure avec la technique de la particule associée ou d’un système de mesure avec la technique de la particule associée similaire, cette procédure d’étalonnage pouvant être réalisée en usine lors de la fabrication du dispositif de détermination 1 ou par l’utilisateur avant une première utilisation du dispositif de détermination 1,
-des spectres gamma récupérés dans des d’abaques de spectres gamma d’échantillons récupérés préalablement à la fabrication du dispositif de détermination, lesdits abaques permettant de mettre en correspondance les spectres gamma avec la composition d’un échantillon correspondant.
On notera que, selon une première possibilité de l’invention, l’ensemble des spectres d’apprentissage sont générés par calcul.
En variante, une première partie des spectres d’apprentissage, préférentiellement majoritaire, sont des spectres gamma généré par calcul, le reste des spectres d’apprentissage sont sélectionnés parmi :
-des spectres gamma obtenues lors d’une procédure d’étalonnage du système de mesure avec la technique de la particule associée ou d’un système de mesure avec la technique de la particule associée similaire, cette procédure d’étalonnage pouvant être réalisée en usine lors de la fabrication du dispositif de détermination 1 ou par l’utilisateur avant une première utilisation du dispositif de détermination 1,
-des spectres gamma récupérés dans des d’abaques de spectres gamma d’échantillons récupérés préalablement à la fabrication du dispositif de détermination, lesdits abaques permettant de mettre en correspondance les spectres gamma avec la composition d’un échantillon correspondant.
-des spectres gamma obtenues lors d’une procédure d’étalonnage du système de mesure avec la technique de la particule associée ou d’un système de mesure avec la technique de la particule associée similaire, cette procédure d’étalonnage pouvant être réalisée en usine lors de la fabrication du dispositif de détermination 1 ou par l’utilisateur avant une première utilisation du dispositif de détermination 1,
-des spectres gamma récupérés dans des d’abaques de spectres gamma d’échantillons récupérés préalablement à la fabrication du dispositif de détermination, lesdits abaques permettant de mettre en correspondance les spectres gamma avec la composition d’un échantillon correspondant.
Le principe d’apprentissage du réseau de neurones est illustré sur la figure 4. Cette figure montre ainsi un exemple de configuration de neurones 26, 27, 28 compatible avec l’invention. Dans cette configuration, les neurones 26, 27, 28 sont répartis en trois types, des neurones d’entrée 26, des neurones intermédiaires 27 et des neurones de sortie.
Les neurones d’entrée 26 correspondent chacun à un pic d’énergie d’intérêt d’un élément parmi le carbone C, l’azote N, l’oxygène O et l’hydrogène H. Ainsi, dans l’exemple illustré sur la figure 4, le réseau de neurones 25 comporte des neurones d’entrée qui reçoivent les amplitudes ou aires nettes des rayonnements gamma mesurés et normalisé par le flux neutronique correspondant, dans un exemple de réalisation, aux énergies 727 keV, 847 keV, 1238 keV, 2125 keV, 2313 keV, 2742 keV, 3684 keV, 4439 keV, 5106 keV et 6130 keV. Dans l’exemple de réalisation, ces neurones d’entrée sont eux-mêmes reliés aux neurones intermédiaires 27 formant une couche neuronale intermédiaire. Cette couche neuronale est elle-même reliée à quatre neurones de sorties 28 qui correspondent à chacun des éléments recherchés, à savoir le carbone C, l’azote N, l’oxygène O et l’hydrogène H.
On notera que, en variante, il est également envisageable, sans que l’on sorte du cadre de l’invention, que le réseau de neurones 25 comporte en outre un neurone de sortie 28 supplémentaire correspondant à la densité de l’objet à identifier.
On notera que, en variante, il est également envisageable, sans que l’on sorte du cadre de l’invention, que le réseau de neurones 25 utilise comme entrée supplémentaire la densité de l’objet à identifier.
Ainsi, lors de la phase d’apprentissage, pour un spectre de gamma d’apprentissage donné et l’échantillon d’apprentissage correspondant, les amplitudes des différents pics d’énergie d’intérêt sont mesurées et fournies aux neurones d’entrée 26 correspondant, la composition en chacun du carbone C, de l’azote N, de l’oxygène et de l’hydrogène H étant fournie aux neurones de sortie 28.
Ainsi, avec une telle phase d’apprentissage, le réseau de neurones 25 permet de déterminer une relation entre l’amplitude des différents pics d’énergie d’intérêt d’un spectre gamma et la composition de l’échantillon d’apprentissage correspondant.
Selon la première possibilité, l’unité de traitement 20 peut être configurée avec un réseau neurones 25 dont l’apprentissage a été obtenu par copie d’un réseau de neurones ayant mis en œuvre la phase d’apprentissage. De même, selon la deuxième possibilité, il est possible de sélectionner les échantillons d’apprentissage en fonction de certains produits recherchés.
On notera bien entendu, que l’unité de traitement 20 peut être configurée de manière à autoriser des phases d’apprentissage secondaire afin d’affiner la relation déterminée par le réseau de neurones 25. Une telle phase pourra notamment être réalisée lors d’un changement de produits recherchés. Selon cette possibilité, il est également envisageable que le réseau de neurones 25 de l’unité de traitement 20 soit configuré lors d’une première phase d’apprentissage générique en usine.
Le résultat d’un tel apprentissage réalisé dans le cadre du développement de l’invention est illustré sur la figure 5. Dans ce cadre, l’unité de traitement comprend un réseau de neurones du type 40:40, et la phase d’apprentissage a été mise en œuvre au moyen de 900 spectres gamma d’apprentissage et de 2000 itérations. Une fois la phase d’apprentissage mise en œuvre et la relation entre les spectres gamma d’apprentissage et la composition des échantillons d’apprentissage correspondant déterminée, 900 autres spectres gamma, c’est à dire les amplitudes des pics d’énergie correspondant, ont été fournis aux neurones d’entrée. Le résultat de la composition déterminée pour ces 900 autres spectres gamma est illustré sur la figure 5.
Ainsi, la figure 5 montre de A à D la proportion atomique réelle %C, %N, %H, %O des échantillons test en fonction de la proportion atomique déterminée %Cest, %Nest, %Hest, %Oestpour respectivement le carbone C, l’hydrogène H, l’azote N et l’oxygène O. On peut voir que la concordance entre la proportion atomique réelle et la proportion atomique déterminée est particulièrement bonne, puisque les proportions estimées sont regroupées autour d’une droite dont la pente est 1, et donc que le procédé de détermination permet d’obtenir une estimation particulièrement efficace même en ce qui concerne l’hydrogène H. Ceci démontre donc le fait que le procédé selon l’invention est particulièrement robuste.
Une fois que la phase d’apprentissage mise en œuvre par l’unité de traitement 20, l’unité de traitement 20 est apte à permettre la détermination de la composition d’un objet à identifier.
Une telle détermination est obtenue, après qu’une mesure avec la méthode de la particule associée de l’objet à identifier a été réalisée à partir du système de mesure avec la technique de la particule associée, en déterminant l’amplitude ou l’aire nette des pics d’énergie d’intérêt normalisés au flux neutronique et en fournissant lesdites amplitudes ou aires nettes aux neurones d’entrée 26 correspondant.
De cette manière, à partir de la relation entre l’amplitude ou l’aire nette des différents pics d’énergie intérêt d’un spectre gamma et la composition de l’échantillon d’apprentissage correspondant déterminé par le réseau de neurones 15, le réseau de neurones 25 permet de fournir en sortie des neurones de sortie 28 la composition de l’objet à identifier.
On notera, de plus, puisque la méthode de la particule associée permet d’identifier l’origine du rayonnement, il est possible d’obtenir une cartographie de la composition de l’objet identifié avec un tel dispositif de détermination 1.
L’unité de traitement 20 peut être fournie soit par un circuit dédié, le réseau de neurones 25 étant un sous-circuit de ce circuit dédié, soit sous la forme d’un programme tournant sur un ordinateur, le réseau de neurones 25 étant un sous-programme dudit programme, soit une solution intermédiaire, une partie de l’unité de traitement 20 étant fournie par un circuit dédié interfacé avec un ordinateur comprenant un programme formant le reste de l’unité de traitement.
On notera de plus que l’unité de traitement 20 peut être fournie au sein d’un système de commande, non illustré, du système de mesure 10 adapté pour commander le système de mesure 10 et pour traiter, au moyen de l’unité de traitement 20, les résultats fournis par le système de mesure 10.
Un tel dispositif de détection 1 permet la mise en œuvre d’un procédé de détermination de la composition d’un objet à identifier. Un tel procédé de détection comporte les étapes suivantes :
A)fourniture d’une pluralité de spectres gamma d’apprentissage, chaque spectre gamma d’apprentissage correspondant à une émission gamma induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons pour un échantillon d’apprentissage respectif présentant une composition prédéterminée,
B)mise en œuvre par l’unité de traitement 20 d’une procédure d’apprentissage du réseau de neurones 25 à partir de la pluralité de spectres gamma de d’apprentissage et de la composition des échantillons d’apprentissage correspondants afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
C)réalisation d’une mesure avec la technique de la particule associée de l’objet à identifier à partir du système de mesure 10 basé sur la technique de la particule associée et,
D)détermination, par l’unité de traitement 20 et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée.
A)fourniture d’une pluralité de spectres gamma d’apprentissage, chaque spectre gamma d’apprentissage correspondant à une émission gamma induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons pour un échantillon d’apprentissage respectif présentant une composition prédéterminée,
B)mise en œuvre par l’unité de traitement 20 d’une procédure d’apprentissage du réseau de neurones 25 à partir de la pluralité de spectres gamma de d’apprentissage et de la composition des échantillons d’apprentissage correspondants afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
C)réalisation d’une mesure avec la technique de la particule associée de l’objet à identifier à partir du système de mesure 10 basé sur la technique de la particule associée et,
D)détermination, par l’unité de traitement 20 et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée.
On notera que lors de l’étape de mise en œuvre par l’unité de traitement 20 de la procédure d’apprentissage du réseau de neurones 25 il est prévu les sous-étapes suivantes :
B1)détermination pour chacun des spectres gamma d’apprentissage de l’amplitude ou de l’aire nette normalisés au flux neutronique de pics d’énergie d’intérêt,
B2)mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones 25 à partir des amplitudes ou des aires nettes normalisées au flux neutronique de pics d’énergie d’intérêt déterminées pour chacun des spectres gamma d’apprentissage et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre l’amplitude des pics d’énergie d’intérêt des spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage.
B1)détermination pour chacun des spectres gamma d’apprentissage de l’amplitude ou de l’aire nette normalisés au flux neutronique de pics d’énergie d’intérêt,
B2)mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones 25 à partir des amplitudes ou des aires nettes normalisées au flux neutronique de pics d’énergie d’intérêt déterminées pour chacun des spectres gamma d’apprentissage et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre l’amplitude des pics d’énergie d’intérêt des spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage.
De la même l’étape de détermination de la composition de l’objet à identifier 40, par l’unité de traitement 2), comprend les sous-étapes suivantes :
D1)détermination, à partir du résultat de la mesure avec la technique de la particule associée, d’amplitudes mesurées des pics d’énergie d’intérêt,
D2) détermination, par l’unité de traitement 20, à partir des amplitudes ou des aires nettes mesurées des pics d’énergie d’intérêt normalisées au flux neutronique et au moyen de la relation entre l’amplitude ou des aires nettes des pics d’énergie d’intérêt normalisées au flux neutronique et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier 40.
D1)détermination, à partir du résultat de la mesure avec la technique de la particule associée, d’amplitudes mesurées des pics d’énergie d’intérêt,
D2) détermination, par l’unité de traitement 20, à partir des amplitudes ou des aires nettes mesurées des pics d’énergie d’intérêt normalisées au flux neutronique et au moyen de la relation entre l’amplitude ou des aires nettes des pics d’énergie d’intérêt normalisées au flux neutronique et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier 40.
De la même façon, lors de l’étape B) il peut également être fourni au réseau de neurone une densité de chaque échantillon test et il peut être déterminé par le réseau de neurone, lors de l’étape D) une densité de l’objet à identifier.
L’invention concerne en outre un programme mise en œuvre par ordinateur
Les figures 7 et 8 montrent le résultat obtenu dans le cadre de la détermination de la composition de deux objets dont la composition est connue. On notera que, comme le montre les figures 7 et 8, les compositions déterminées par le réseau de neurones 25 sont fournis sous la forme de vraisemblance gaussienne P. Les mesures figurées sur ces figures représentent la vraisemblance obtenue pour une inspection de 10 minutes avec une émission neutronique de 108n.s-1(dont une proportion de neutrons de 8 % est signée par une particule alpha) et 20 scintillateurs Nal de 12,7 cm par 12,7 cm par 25,4 cm.
Pour le premier objet, dont la composition déterminée est illustrée sur les graphiques A à D de la figure 7, il s’agit d’eau dont la composition est donc de 2 hydrogènes pour un oxygène, c’est-à-dire une proportion atomique de 2/3 d’hydrogène H et 1/3 d’oxygène O. Les graphiques A et C de la figure 7 montrent bien que le réseau de neurones détermine une composition 121, 125 centrée autour de 0 pour respectivement le carbone C et l’azote N, ce qui correspond aux proportions atomiques 122, 126 attendues. En ce qui concerne les figures 6B et 6D qui représentent respectivement la composition en hydrogène H et en oxygène O, si l’on note que la composition déterminée 123, 127 pour ces deux éléments n’est pas précisément centrée autour de la proportion atomique 124, 128 attendue, les proportions atomiques 124, 128 sont néanmoins comprises dans la largeur à mi-hauteur de la composition déterminée, qui représente l’incertitude de mesure de ces proportions atomiques. Ceci démontre que l’invention permet une bonne détermination de la composition d’un objet présentant une forte proportion d’hydrogène à partir de mesure avec la technique de la particule associée.
Pour le deuxième objet, dont la composition déterminée est illustrée sur les graphiques de la figure 8, il s’agit du trinitrotoluène dont la formule chimique est C7H5N3O6, c’est-à-dire une proportion atomique de 1/3 de carbone C, 5/21 d’hydrogène H, 1/7 d’azote N et 1/7 d’oxygène O. On peut ainsi voir que les graphiques A et C de la figure 8 montrent bien que le réseau de neurones détermine une composition 131, 135 en bonne correspondance aux proportions atomiques 132, 136 attendues. En ce qui concerne les figures 7B et 7D qui représentent respectivement la composition en hydrogène H et en oxygène O, on note que la composition déterminée 133, 137 pour ces deux éléments n’est pas précisément centrée autour de la proportion atomiques 134, 138 attendue, les proportions atomiques 134, 138 sont néanmoins proches de la valeur attendue et correspondent à des valeurs significatives de la gaussienne de vraisemblance.
Ainsi, même pour une molécule complexe, tel que le trinitrotoluène, et pour une durée d’acquisition relativement faible de 10 minutes, il est possible de déterminer une composition de l’objet à identifier, ceci, comme montré sur la figure 8 même en présence d’eau.
On notera également que, si dans le présent mode de réalisation le dispositif de mesure et procédé de détermination mis en œuvre sont basés sur la technique de la particule associé 10, le dispositif de mesure et le procédé de détermination peuvent également être, sans que l’on sorte du cadre de l’invention, basés sur l’analyse d’impulsion de neutrons rapides. En effet, des deux techniques mettant en œuvre des neutrons dans une gamme d’énergie relativement proche et présentant donc les mêmes limitations, elles sont donc à même de bénéficier des mêmes avantages. Ainsi, l’homme du métier, à partir de ses connaissances générales et d’éventuelles de tests de routine, notamment pour permettre la fourniture d’une partie des spectres d’apprentissage, d’appliquer l’enseignement du présent document à la technique de l’analyse d’impulsion de neutrons rapides.
Références
[1] D.R. Brownet al.“Nuclear Instruments and Methods in Physics Research ” Vol. B99 (1995) pp 753-756
[2] J.C. Overley “The International Journal of Applied Radiation and Isotopes ” Vol.36 (1985) pp 185-191
[3] WO 2004057318
[4] WO 0184183
[5] A. Buffler et J. Tickner “Radiation Measurements ” Vol.45 (2010) pp 1186–1192
[6] A. Y. Saverskiyet al.“Physics Procedia ” Vol.66 (2015) pp 232 – 241
[7] J.E.Eberhardtet al.“Applied Radiation and Isotopes ” Vol.63, (2005) pp 179-188
[8] WO 2013181646
[2] J.C. Overley “The International Journal of Applied Radiation and Isotopes ” Vol.36 (1985) pp 185-191
[3] WO 2004057318
[4] WO 0184183
[5] A. Buffler et J. Tickner “Radiation Measurements ” Vol.45 (2010) pp 1186–1192
[6] A. Y. Saverskiyet al.“Physics Procedia ” Vol.66 (2015) pp 232 – 241
[7] J.E.Eberhardtet al.“Applied Radiation and Isotopes ” Vol.63, (2005) pp 179-188
[8] WO 2013181646
Claims (10)
- Procédé de détermination d’une faction atomique respective d’éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier (40), le procédé étant mis en œuvre au moyen d’un système de mesure (10) basé sur la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, et d’une unité de traitement (20) comprenant un réseau de neurones (25), le système de mesure (10) comprenant une source de neutrons (12) à particule associée ou de neutrons rapides, un détecteur de rayonnement gamma (14) et un détecteur de particule alpha (16), le procédé comprenant les étapes suivantes :
- fourniture d’une pluralité de spectres gamma d’apprentissage, au moins une partie desdits spectres d’apprentissage étant générée par calcul, chaque spectre gamma d’apprentissage correspondant à une émission gamma d’un échantillon respectif induite par un rayonnement neutronique correspondant à celui émis par la source de neutrons (12), ledit échantillon présentant une composition prédéterminée,
- mise en œuvre par l’unité de traitement (20) d’une procédure d’apprentissage du réseau de neurones (25) à partir de la pluralité de spectres gamma d’apprentissage associés aux différents échantillons d’apprentissage afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
- réalisation d’une mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, de l’objet à identifier à partir du système de mesure (10) et,
- détermination, par l’unité de traitement (20) et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée ou de l’analyse d’impulsion de neutrons rapides, ladite composition de l’objet à identifier comprenant notamment la proportion relative des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition d’un objet à identifier (40). - Procédé de détermination selon la revendication 1 dans lequel il est prévu lors de la mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones (25) les sous-étapes suivantes :
- détermination pour chacun des spectres gamma d’apprentissage de l’amplitude ou de l’aire nette de pics d’énergie d’intérêt normalisés au flux neutronique,
- mise en œuvre par l’unité de traitement de la procédure d’apprentissage du réseau de neurones (25) à partir d’amplitudes, ou d’aires nettes, de pics d’énergie d’intérêt normalisés au flux neutronique déterminées pour chacun des spectres gamma d’apprentissage et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre l’amplitude, ou l’aire nette, des pics d’énergie d’intérêt des spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
dans lequel l’étape de détermination de la composition de l’objet à identifier (40), par l’unité de traitement (20), comprend les sous-étapes suivantes :
- détermination, à partir du résultat de la mesure avec ladite technique de la particule associée, ou de l’analyse d’impulsion de neutrons rapides, d’amplitudes mesurées des pics d’énergie d’intérêt,
- détermination, par l’unité de traitement (20), à partir des amplitudes ou aires nettes mesurées des pics d’énergie d’intérêt normalisés au flux neutronique et au moyen de la relation entre l’amplitude ou l’aire nette des pics d’énergie d’intérêt normalisés au flux neutronique et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier (40). - Procédé de détermination selon la revendication 2, dans lequel au moins une partie des pics d’énergie d’intérêt présente une énergie sensiblement égale à 727 keV, 847 keV, 1238 keV, 2125 keV, 2313 keV, 2742 keV, 3684 keV, 4439 keV, 5106 keV ou à 6130 keV.
- Procédé selon l’une quelconque des revendications 1 à 3, dans lequel l’au moins une partie desdits spectres générée par calcul est calculée en associant, pour chacun des spectres gamma de d’apprentissage de ladite partie, d’au moins un premier et un deuxième spectres gamma respectifs correspondant chacun à une émission gamma induite par un rayonnement neutronique correspondant à la source de neutrons (12) pour respectivement au moins un premier échantillon et un deuxième échantillons présentant une première composition prédéterminée et une deuxième composition prédéterminée, la composition prédéterminé de l’échantillon d’apprentissage pour un spectre gamma d’apprentissage obtenu par une telle association correspondant à l’association de la première composition prédéterminée et de la deuxième composition prédéterminée.
- Procédé de détermination selon l’une quelconque des revendications 1 à 4, les spectres gamma fournis sont fournis sous la forme d’amplitude ou d’aire de pics d’énergie d’intérêt normalisé au flux neutronique, l’étape de détermination pour chacun des spectres gamma d’apprentissage de l’amplitude de pics ou d’aire d’énergie d’intérêt normalisé au flux neutronique consistant en une récupération des données correspondantes.
- Procédé de détermination selon la revendication 1 à 5, dans lequel la composition de l’objet à identifier et des échantillons d’apprentissage comprend une fraction atomique respective de carbone, d’hydrogène, d’azote et d’oxygène.
- Procédé de détermination selon la revendication 6, dans lequel la composition des échantillons d’apprentissage comprend une densité de l’échantillon d’apprentissage, et dans lequel lors de l’étape de détermination, par l’unité de traitement (20) et au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, il est également déterminé la densité de l’objet à identifier (40).
- Procédé d’inspection du contenu de contenants, tels que des paquets et des containers, le procédé comprenant les étapes suivantes :
- radiographie de l’intérieur du contenant afin d’identifier au moins un objet à identifier,
- détermination des éléments chimiques représentant chacun au moins 10%, voire au moins 6%, de la composition de l’objet à identifier, ladite détermination étant réalisée au moyen d’un procédé de détermination selon l’une quelconque des revendications 1 à 7. - Dispositif de détermination (1) de la composition d’un objet à identifier (40) comprenant :
- un système de mesure (10) basé sur la technique de la particule associée ou comprenant une source de neutrons à particule associée (12), un détecteur de rayonnement gamma (14) et un détecteur de particule alpha (16),
- une unité de traitement (20),
le dispositif de détermination étant caractérisé en ce que l’unité de traitement (20) comprend un réseau de neurones (25), l’unité de traitement (20) étant configurée pour :
● réaliser une procédure d’apprentissage du réseau de neurones (25) à partir d’une pluralité de spectres gamma d’apprentissage et de la composition d’échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
● déterminer la composition élémentaire de l’objet à identifier (40) au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage et à partir d’un résultat d’une mesure avec la technique de la particule associée de l’objet à identifier (40) réalisée à partir du système de mesure (10). - Programme d’ordinateur destiné à mettre en œuvre le procédé selon l’une quelconque des 1 à 7 caractérisé en ce qu’ il comporte des instructions de simulation du réseau de neurones et des instructions pour réaliser les étapes suivantes :
- de mise en œuvre par d’une procédure d’apprentissage du réseau de neurones (25) à partir de la pluralité de spectres gamma d’apprentissage, dont au moins une partie et de la composition des échantillons d’apprentissage correspondant afin de déterminer une relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage,
- de détermination, au moyen de la relation entre les spectres gamma d’apprentissage et la composition desdits échantillons d’apprentissage, d’une composition de l’objet à identifier à partir du résultat de la mesure avec la technique de la particule associée.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1901292A FR3092667B1 (fr) | 2019-02-08 | 2019-02-08 | Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1901292A FR3092667B1 (fr) | 2019-02-08 | 2019-02-08 | Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier |
| FR1901292 | 2019-02-08 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3092667A1 true FR3092667A1 (fr) | 2020-08-14 |
| FR3092667B1 FR3092667B1 (fr) | 2021-09-24 |
Family
ID=67262539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1901292A Active FR3092667B1 (fr) | 2019-02-08 | 2019-02-08 | Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3092667B1 (fr) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3114150A1 (fr) * | 2020-09-16 | 2022-03-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Système d’analyse de colis, procédé d’analyse et produit programme d’ordinateur associés |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001084183A2 (fr) | 2000-04-28 | 2001-11-08 | Battelle Memorial Institute | Procede et appareil de determination de substances hydrogenees |
| WO2004057318A1 (fr) | 2002-12-20 | 2004-07-08 | Force Technology | Appareil et procede de detection d'hydrogene par utilisation d'une source de neutrons |
| WO2013181646A2 (fr) | 2012-06-01 | 2013-12-05 | Rapiscan Systems, Inc. | Procédés et systèmes d'interrogation de neutron de temps de vol pour une distinction de matériaux |
-
2019
- 2019-02-08 FR FR1901292A patent/FR3092667B1/fr active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001084183A2 (fr) | 2000-04-28 | 2001-11-08 | Battelle Memorial Institute | Procede et appareil de determination de substances hydrogenees |
| WO2004057318A1 (fr) | 2002-12-20 | 2004-07-08 | Force Technology | Appareil et procede de detection d'hydrogene par utilisation d'une source de neutrons |
| WO2013181646A2 (fr) | 2012-06-01 | 2013-12-05 | Rapiscan Systems, Inc. | Procédés et systèmes d'interrogation de neutron de temps de vol pour une distinction de matériaux |
Non-Patent Citations (8)
| Title |
|---|
| A. BUFFLERJ. TICKNER, RADIATION MEASUREMENTS, vol. 45, 2010, pages 1186 - 1192 |
| A. Y. SAVERSKIY ET AL., PHYSICS PROCEDIA, vol. 66, 2015, pages 232 - 241 |
| D.R. BROWN ET AL., NUCLEAR INSTRUMENTS AND METHODS IN PHYSICS RESEARCH, vol. 99, 1995, pages 753 - 756 |
| J.C. OVERLEY, THE INTERNATIONAL JOURNAL OF APPLIED RADIATION AND ISOTOPES, vol. 36, 1985, pages 185 - 191 |
| J.E.EBERHARDT ET AL., APPLIED RADIATION AND ISOTOPES, vol. 63, 2005, pages 179 - 188 |
| SANG H F ET AL: "Detection of element content in coal by pulsed neutron method based on an optimized back-propagation neural network", NUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH. SECTION B: BEAM INTERACTIONS WITH MATERIALS AND ATOMS, ELSEVIER BV, NL, vol. 239, no. 3, 1 September 2005 (2005-09-01), pages 202 - 208, XP027665864, ISSN: 0168-583X, [retrieved on 20050901] * |
| TUSHAR ROY ET AL: "Associated particle technique in single-sided geometry for detection of explosives", APPLIED PHYSICS LETTERS, vol. 106, no. 12, 23 March 2015 (2015-03-23), US, pages 124103, XP055647092, ISSN: 0003-6951, DOI: 10.1063/1.4916337 * |
| WANG H ET AL: "Study of Artificial Neural Network on Explosive Detection", NUCLEAR SCIENCE SYMPOSIUM CONFERENCE RECORD, 2005 IEEE WYNDHAM EL CONQUISTADOR RESORT, PUERTO RICO OCTOBER 23 - 29, 2005, PISCATAWAY, NJ, USA,IEEE, vol. 1, 23 October 2005 (2005-10-23), pages 471 - 473, XP010895700, ISBN: 978-0-7803-9221-2, DOI: 10.1109/NSSMIC.2005.1596295 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3114150A1 (fr) * | 2020-09-16 | 2022-03-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Système d’analyse de colis, procédé d’analyse et produit programme d’ordinateur associés |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3092667B1 (fr) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chincarini et al. | The first survey of X-ray flares from gamma-ray bursts observed by Swift: temporal properties and morphology | |
| Abbasi et al. | A study of the composition of ultra-high-energy cosmic rays using the high-resolution fly’s eye | |
| Linden | Star-forming galaxies significantly contribute to the isotropic gamma-ray background | |
| EP2035861B1 (fr) | Dispositif de localisation et d'imagerie de sources de rayonnement gamma ou x. | |
| FR2764383A1 (fr) | Procede et dispositif de mesure de la proportion relative de plutonium et d'uranium dans un corps | |
| FR3092667A1 (fr) | Procédé de détermination de la composition d’un objet à identifier et dispositif de détermination de la composition d’un objet à identifier | |
| WO2009056738A1 (fr) | Procede de determination de la sensibilite des composants electroniques vis a vis des particules | |
| WO2012076770A1 (fr) | Procédé d'extraction d'un spectre de diffusion premier | |
| EP2769208B1 (fr) | Procédé de caractérisation d'un matériau | |
| EP3161461B1 (fr) | Procédé et système d'analyse d'un objet par diffractométrie utilisant un spectre en diffusion et un spectre en transmission | |
| WO2010001080A2 (fr) | Procédé et dispositif pour détecter la présence, dans une charge, d'objets suspects renfermant au moins un matériau à poids atomique donné | |
| EP0130099B1 (fr) | Procédé pour déterminer l'activité volumique et estimer la masse de plutonium contenu dans des déchets et dispositif pour la mise en oeuvre de ce procédé | |
| FR3038722B1 (fr) | Procede d’identification d’un materiau | |
| EP3835831A1 (fr) | Procédé de détection de radiations et système associé mettant en oeuvre une discrimination des coïncidences neutron-gamma | |
| EP3210045B1 (fr) | Procédé d'identification d'un isotope, programme pour l'identification d'un isotope et dispositif d'identification d'isotopes | |
| Lee et al. | Multiple scattering Compton camera with neutron activation for material inspection | |
| EP3851837A1 (fr) | Procédé d'établissement d'une fonction de réponse spectrale d'un système de mesure par rayon x ou gamma | |
| WO2000011496A1 (fr) | Procede de simulation de la reponse d'un detecteur de rayonnements emis par des objets radioactifs et procede de controle d'elements de combustible nucleaire utilisant cette simulation | |
| FR3042285A1 (fr) | Procede de correction d’un spectre | |
| Turturica et al. | A neural-network based approach to cargo inspections using photon spectroscopy | |
| FR2983974A1 (fr) | Equipement d'analyse de la composition des nucleides et methode d'analyse de la composition des nucleides | |
| WO2019135052A1 (fr) | Système et procédé pour quantifier un métal d'interêt parmi une pluralité de matériaux d'un échantillon hétérogène | |
| EP4341727A1 (fr) | Procédé, système et dispositif de détermination d'une quantité de matière fissile dans une installation | |
| Stuart | Multiyear automated analysis of auroral images to categorize ionosphere irregularity layer | |
| Pérot et al. | Sea container inspection with tagged neutrons |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20200814 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |