Machine learning techniques for the development of an , and radiation sources discrimination software using a 2d-imaging radiation detector

Laffolley, H.; 坪田 陽一; 辻 智也; 本田 文弥; 二田 郁子; 菊池 里玖

no journal, , 

福島第一原子力発電所の廃止措置に向けた取り組みを支援するため、日本原子力研究開発機構(JAEA)は、放射性試料中のアルファ線源、ベータ線源、ガンマ線源を正確に弁別するためのTRACEソフトウェアを開発している。この技術は、市販の2次元イメージング半導体放射線センサーであるMiniPIXを利用し、そのピクセルマトリクス内での放射線相互作用の画像と、付与エネルギーの定量化の両方を利用する。TRACEは、放射線イベントによって生成されるピクセルクラスターのエネルギーと形状に対する機械学習により、MiniPIXからのデータを分析する。アルファ粒子は付与エネルギーが高い、ガンマ粒子はほぼ点状の飛跡、ベータ粒子はクラスター形状となるなど、これらの特徴量を抽出し、放射線の種類ごとのエネルギースペクトル二次元マッピングを提供する。TRACEの主要な構成要素は機械学習アルゴリズムであり、Co-60、Sr-90、Cs-137、Am-241など、福島からの試料との関連性から選ばれた標準線源から取得されたデータを用いて訓練した。今後は、XYZ電動ステージとの統合が計画されており、データ取得の自動化、効率向上、放射性試料や非平面試料の取り扱いの容易化、および取得時間のリアルタイム調整を可能にすることを目指す。