Optimization algorithm for sandwich detectors of x-ray radiation

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Приводится описание алгоритма оптимизации параметров сэндвич-детекторов рентгеновского излучения применительно к распознаванию материалов методом дуальных энергий. Применение алгоритма проиллюстрировано на конкретном примере, где были получены значения толщин первого детектора и промежуточного фильтра (входящих в состав сэндвич-детектора), которые для заданных материалов первого детектора (CsI) и промежуточного фильтра (Cu) являются оптимальными при распознавании взрывчатых веществ.

About the authors

V. A Udod

Tomsk State University

Email: pr.udod@mail.ru
Tomsk, Russia

S. P Osipov

Tomsk Polytechnic University

Email: osip1809@rambler.ru
Tomsk, Russia

S. Y Nazarenko

Tomsk Polytechnic University

Email: svetanaz@mail.ru
Tomsk, Russia

References

  1. Khan S.U., Khan I.U., Ullah I., Saif N., Ullah I. A review of airport dual energy X-ray baggage inspection techniques: image enhancement and noise reduction // Journal of X-ray Science and Technology. 2020. V. 28. No. 3. P. 481-505. https://doi.org/10.3233/XST-200663
  2. Yalçın O., Reyhancan I.A. Detection of explosive materials in dual-energy X-Ray security systems // Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2022. V. 1040. Article ID 167265. https://doi.org/10.1016/j.nima.2022.167265
  3. Chang C.H., Ni Y.C., Tseng S.P. Calculation of effective atomic numbers using a rational polynomial approximation method with a dual-energy X-ray // Journal of X-Ray Science and Technology. 2021. V. 29. No. 2. P. 317-330. https://doi.org/10.3233/xst-200790
  4. Yim C.W., Hong S.G. A MCNP simulation for a new dual-energy dual-beam X-ray inspection method using multi-angle compton scattering to determine the effective atomic number of explosives // Radiation Physics and Chemistry. 2022. V. 195. Article ID 110084. https://doi.org/10.1016/j.radphyschem.2022.110084
  5. Duvillier J., Dierick M., Dhaene J., Van Loo D., Masschaele B., Geurts R., Hoorebeke L.V., Boone M.N. Inline multi-material identification via dual energy radiographic measurements // NDT & E International. 2018. V. 94. P. 120-125. https://doi.org/10.1016/j.ndteint.2018.01.002
  6. Cordova A. Technologies for primary screening in aviation security //Journal of Transportation Security. 2022. V. 15. No. 3-4. P. 141-159. https://doi.org/10.1007/s12198-022-00248-8
  7. Linardatos D., Koukou V., Martini N., Konstantinidis A., Bakas A., Fountos G., Valais I., Michail C. On the response of a micro non-destructive testing X-ray detector // Materials. 2021. 14. P. 888. https://doi.org/10.3390/ma14040888
  8. Vukadinovic D., Anderson D. X-ray baggage screening and AI, EUR 31123 EN, Publications Office of the European Union, Luxembourg, 2022. http://dx.doi.org/10.2760/46363
  9. Osipov S.P., Udod V.A., Wang Y. Identification of materials in X-Ray inspections of objects by the dual-energy method // Russian Journal of Nondestructive Testing. 2017. V. 53. No. 8. P. 568-587. https://doi.org/10.1134/S1061830917080058
  10. Осипов С.П., Удод В.А., Ван Я. Распознавание материалов методом дуальных энергий при радиационном контроле объектов //Дефектоскопия. 2017. № 8. С. 33-56.
  11. Kayalvizhi R., Malarvizhi S., Topkar A., Vijayakumar P. Raw data processing techniques for material classification of objects in dual energy X-ray baggage inspection systems // Radiation Physics and Chemistry. 2022. V. 193. Article ID 109512. https://doi.org/10.1016/j.radphyschem.2021.109512
  12. Mamchur D., Peksa J., Le Clainche S., Vinuesa R. Application and advances in radiographic and novel technologies used for non-intrusive object inspection // Sensors. 2022. V. 22. No. 6. Article ID 2121. https://doi.org/10.3390/s22062121
  13. Busi M., Kehres J., Khalil M., Olsen U.L. Effective atomic number and electron density determination using spectral x-ray CT // Anomaly Detection and Imaging with X-rays (ADIX) IV. SPIE. 2019. V. 10999. P. 7-17. https://doi.org/10.1117/12.2519851
  14. Jumanazarov D., Koo J., Busi M., Poulsen H.F., Olsen U.L., Iovea M. System-independent material classification through X-ray attenuation decomposition from spectral X-ray CT // NDT & E International. 2020. V. 116. P. 102336. https://doi.org/10.1016/j.ndteint.2020.102336
  15. Iovea M., Neagu M., Duliu O.G., Oaie G., Szobotka S., Mateiasi G. A Dedicated on-board dual-energy computer tomograph //j. Nondestruct Eval. 2011. V. 30. P. 164-171. https://doi.org/10.1007/s10921-011-0104-x
  16. Smith R.C., Connelly J.M. CT technologies // Counterterrorist Detection Techniques of Explosives. Elsevier, 2022. P. 29-45. https://doi.org/10.1016/B978-0-444-64104-5.00009-6
  17. Alvarez R.E. Invertibility of the dual energy x-ray data transform // Medical Physics. 2019. V. 46. No. 1. P. 93-103. https://doi.org/10.1002/mp.13255
  18. Osipov S., Chakhlov S., Udod V., Usachev E., Schetinkin S., Kamysheva E. Estimation of the effective mass thickness and effective atomic number of the test object material by the dual energy method // Radiation Physics and Chemistry. 2020. V. 168. Article ID 108543. https://doi.org/10.1016/j.radphyschem.2019.108543
  19. Zhang Y., Kong W., Li D., Liu X. On using XMC R-CNN model for contraband detection within X-ray baggage security images // Mathematical Problems in Engineering. 2020. V. 2020. Article ID 1823034. https://doi.org/10.1155/2020/1823034
  20. Alvarez R.E. Analytic models for spectral x-ray imaging. 2019. Preprint. http://dx.doi.org/10.13140/RG.2.2.12391.09128
  21. Fredenberg E. Spectral and dual-energy X-ray imaging for medical applications // Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2018. V. 878. Р. 74-87. https://doi.org/10.1016/j.nima.2017.07.044
  22. Zhao S., Pan H., Zhang W., Xia D., Zhao X. An oblique projection modification technique (OPMT) for fast multispectral CT reconstruction // Physics in Medicine & Biology. 2021. V. 66. No. 6. Article ID 065003. https://doi.org/10.1088/1361-6560/abe028
  23. Udod V.A., Osipov S.P., Nazarenko S.Yu. Algorithm for Evaluating Errors in Recognition of Materials in X-Ray Testing System Containing X-Ray Sandwich Detectors // Russian Journal of Nondestructive Testing. 2022. V. 58. No. 1. P. 46-56. https://doi.org/10.1134/S1061830922010065
  24. Удод В.А., Осипов С.П., Назаренко С.Ю. Алгоритм оценки погрешностей при распознавании материалов в системе рентгеновского контроля, содержащей сэндвич-детекторы излучения //Дефектоскопия. 2022. № 1. С. 40-51.
  25. Udod V.A., Vorobeichikov S.E., Nazarenko S.Y. Mathematical models of radiation transparency of test objects when using sandwich X-ray radiation detectors // Russian Journal of Nondestructive Testing. 2020. V. 56. No. 2. P. 161-170. https://doi.org/10.1134/S1061830920020096
  26. Удод В.А., Воробейчиков С.Э., Назаренко С.Ю. Математические модели радиационных прозрачностей объекта контроля при использовании сэндвич-детекторов рентгеновского излучения //Дефектоскопия. 2020. № 2. С. 31-41.
  27. Udod V.A., Osipov S.P., Wang Y. Estimating the influence of quantum noises on the quality of material identification by the dual-energy method // Russian Journal of Nondestructive Testing. 2018. V. 54. No. 8. P. 585-600. https://doi.org/10.1134/S1061830918080077
  28. Удод В.А., Осипов С.П., Ван Я. Оценка влияния квантовых шумов на качество распознавания материалов методом дуальных энергий //Дефектоскопия. 2018. № 8. С. 50-65.
  29. Slavashevich I., Pozdnyakov D., Kasiuk D., Linev V. Optimization of physico-topological parameters of dual energy X-ray // Engineering of Scintillation Materials and Radiation Technologies: Selected Articles of ISMART2018. 2019. V. 227. P. 262. https://doi.org/10.1007/978-3-030-21970-3_19
  30. Liang K.J., Sigman J.B., Spell G.P., Strellis D., Chang W., Liu F., Mehta T., Carin L. Toward automatic threat recognition for airport X-ray baggage screening with deep convolutional object detection // arXiv preprint arXiv:1912.06329. 2019. https://doi.org/10.48550/arXiv.1912.06329

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».