كاربرد شبكه عصبي مصنوعي در دانسيتومتري با استفاده از پراكندگي كامپتون

Application of artificial neural networks in densitometry using Compton scattering

با بررسي پراكندگي كاميون فوتونهاي keV 662 تحت زاويه 90 و ثبت شدت فوتون هاي پراكنده شده توسط سوسوزن Nal مي توان چگالي هدف را به دست آورد. اطلاعات به دست آمده در مورد دانسيته الكتروني مواد توموگرافي كامپيوتري (CT) قطعات صنعتي را امكان پذير مي نمايد. در اين مقاله با استفاده از الگوريتم شبكه عصبي مصنوعي فرآيند دانسيتومتري را مدل سازي نموده ايم. داده هاي تجربي را براي آموزش و آزمون شبكه به كار برده ايم. مقادير چگالي مواد كه توسط شبكه محاسبه مي شوند كمتر از 2/5 درصد با مقادير واقعي اختلاف دارند كه نشان دهنده موفقيت اين روش مي باشد.

By studying the Compton scattered photons of 662keV at 90° with a NaI (Tl) scintillator, one could determine the density of the target matter. The density information enables the computed tomography (CT) of the industrial pieces. In the present paper, the densitometry using gamma rays has been modeled by artificial neural network algorithm. The experimental data have been used for training and testing the neural network. The difference between simulated densities and real ones are smaller than 2.5% that shows the ability of this method in densitometry