Application of support vector machine to rapid classification of uranium waste drums using low-resolution -ray spectra

低解像度線スペクトルを用いたウラン廃棄物ドラム缶の迅速な分類へのサポートベクターマシンの適用

秦 はるひ   ; 横山 薫; 石森 有  ; 小原 義之; 田中 祥雄 ; 杉杖 典岳

Hata, Haruhi; Yokoyama, Kaoru; Ishimori, Yuu; Ohara, Yoshiyuki; Tanaka, Yoshio; Sugitsue, Noritake

ウラン廃棄物ドラム缶の内容物に含まれるウランが、天然ウランか回収ウランかを分類する際に、機械学習法の一つであるサポートベクターマシン(SVM)が適用できるか調査を行った。本研究では、NaI(Tl)シンチレーション検出器で取得した12個の訓練用データで機械学習を用い、955個のデータで試験を行った。その結果、元のラベルに対し、4個のデータのみが不正解であった。そのうち1つは、ラベルが間違いのものであり、その他3つはSVMの誤分類であった。SVMは短時間で大量のデータを分類するのに効果的な手法であることが示唆され、スケーリングファクタ法において元のラベルを確認する補助的なツールとして有用だと考えられる。

We investigated the feasibility of using support vector machine (SVM), a computer learning method, to classify uranium waste drums as natural uranium or reprocessed uranium based on their origins. The method was trained using 12 training datasets were used and tested on 955 datasets of -ray spectra obtained with NaI(Tl) scintillation detectors. The results showed that only 4 out of 955 test datasets were different from the original labels-one of them was mislabeled and the other three were misclassified by SVM. These findings suggest that SVM is an effective method to classify a large quantity of data within a short period of time. Consequently, SVM is a feasible method for supporting the scaling factor method and as a supplemental tool to check original labels.