Démélange spectral parcimonieux par fusion de données spatiale et/ou temporelle pour la détection rapide d’événements radiologiques par spectrométrie gamma

​

Laboratoire d'accueil : Laboratoire de métrologie de la radioactivité dans l'environnement (LMRE)

Date de début de thèse : Octobre 2020
Nom du doctorant : Paul MALFRAIT

Le Laboratoire de Métrologie de la Radioactivité dans l’Environnement (IRSN /LMRE, Orsay) améliore continuellement ses techniques de mesure pour identifier et quantifier les radionucléides présents à l’état de trace dans l’environnement, en les rendant plus sensibles, et donc également plus rapides à sensibilité constante. De travaux récemment menés au LMRE en s’appuyant sur l’expertise du Laboratoire CosmoStat (CEA/LCS, Saclay) ont permis de proposer une nouvelle approche pour analyser les spectres gamma en considérant le spectre dans sa globalité, et non plus les pics seuls, et en prenant en compte la statistique de Poisson. L’approche proposée consiste à modéliser avec précision le spectre mesuré comme étant la combinaison linéaire des signatures spectrales de radionucléides individuels, affectées par un bruit de comptage. Dans le cas où l'ensemble des radionucléides présents est inconnu, cette méthode a récemment été étendue afin d’estimer conjointement les éléments actifs ainsi que leur activité respective. Cette approche fait appel à une régularisation parcimonieuse des activités recherchées permettant de limiter le nombre de radionucléides. Cette méthode de démélange spectral parcimonieux a montré son intérêt en termes de sensibilité, et donc en gain de temps lors d’une situation d’urgence, mais également de fausses identifications, sur des mesures analysées individuellement.

L’objectif général de la thèse proposée est le développement de nouveaux algorithmes pour l’analyse de données en spectrométrie gamma permettant le traitement conjoint de données multiples, en prenant en compte à la fois une information spatiale et une information temporelle.

A cette fin, la thèse se déroulera suivant les trois étapes suivantes :

• Analyse conjointe de données spectrométriques de mesures faites sur différentes stations de prélèvement d’aérosols réparties en France, en utilisant une modélisation de parcimonie jointe entre les spectres à analyser afin de prendre en compte les corrélations entre les mesures. Ces développements seront testés sur les mesures réalisées lors d’événements à l'échelle européenne de détection anormales de radionucléides dans l’air (I-131, Ru-106, Se-75…)
  

• Fusion temporelle : traitement conjoint de données spectrométriques successives permettant d’utiliser les connaissances a priori des décroissances des radionucléides. La méthode précédemment développée sera étendue au cas du démélange avec signatures en énergie et temps afin de permettre la détection précoce d’anomalie sur des mesures en continu. Cette approche sera testée sur des mesures en continu des filtres de prélèvements d’aérosols collectés à Orsay.
  

• Fusion spatiale et temporelle : traitement joint de données spectrométriques in situ en continu. Dans ce cas, une approche fondée sur l’apprentissage statistique, en particulier via l’utilisation de réseaux récurrents (reproduisant le processus d’inversion des algorithmes d'optimisation classiques afin d’apprendre le terme de régularisation à partir d'un training set de données) sera mise en œuvre pour capturer les dépendances temporelles du bruit de fond