Développement d'outils d'aide à l'expertise en spectrométrie gamma
Date de début de thèse : octobre 2017
Dans le cadre de la mission de surveillance radiologique de l’environnement de l’IRSN, le Laboratoire de Métrologie de la Radioactivité dans l’Environnement effectue des mesures d’échantillons prélevés dans l’environnement afin d’identifier et quantifier les radionucléides artificiels.
La radioactivité dans les échantillons de l’environnement est entre autres mesurée par spectrométrie gamma, mesure rapide, non-destructive et multi-élémentaire. Aujourd’hui, l’analyse avec des logiciels commerciaux est limitée, en particulier car elle n’exploite qu’un pic par radionucléide ; elle nécessite également beaucoup de temps et d’expertise.
Dans le cadre de la thèse, nous proposons de nouvelles approches statistiques pour la résolution de problèmes de détection et d’identification par démélange, ainsi que la mise en oeuvre de techniques d’apprentissage supervisé pour la détection d'anomalies.
Dans un premier temps, le travail de thèse se concentrera sur le développement de techniques de démélange spectral, c’est-à-dire la séparation en contributions spectrales élémentaires. En effet, le spectre obtenu lors de la mesure d’un échantillon contenant différents radionucléides, est la somme des spectres individuels induits par chaque radionucléide. Ces techniques, fondées sur la modélisation parcimonieuse, permettront de traiter le spectre dans sa globalité (pic et fond continu) et ainsi d’améliorer la sensibilité de la détection.
Dans un second temps, des méthodes d’apprentissage (ex : réseaux neuronaux profonds) seront utilisées pour la classification automatique des spectres, en s’appuyant sur l’expertise acquise au laboratoire et en mettant à profit la base de données du laboratoire contenant plusieurs milliers de couples « spectres de mesure - activité par radionucléide ».
Un travail de bibliographie a été réalisé sur les méthodes existantes pour identifier les spectres gamma et la résolution algorithmique dédiée aux problématiques.
A l’heure actuelle, nous avons implémenté des algorithmes de démélange à partir du modèle mathématique des données avec une modélisation basée sur le processus de Poisson régissant la spectrométrie gamma. Les algorithmes sont testés sur les données simulées à partir des spectres individuels des radionucléides.
La suite de travail consistera à étendre ces algorithmes de démélange afin de : i) permettre l’utilisation de dictionnaires de signatures de grande taille, tout en limitant les effets de sur-ajustement par modélisation parcimonieuse, et ii) prendre en compte la variabilité (ex : imperfection des spectres de référence, variabilité instrumentale) des signatures spectrales dans le dictionnaire.
Les outils développés au cours de la thèse permettront in fine d’automatiser l’analyse de spectres simples (ex : aérosols) mais également d’y déceler rapidement des anomalies liées à des incidents ou accidents. Ils seront également une aide pour l’analyse de spectres complexes (ex : NORM) qui nécessitent le plus de temps et d’expertise.