Page perso : http://www.jerome-bobin.fr
L’analyse par spectrométrie gamma est une technique classique utilisée pour l’identification et la quantification de radionucléides dans une source radioactive dans des applications stratégiques telles que la surveillance aux frontières, le démantèlement, etc. Les méthodes actuelles d’analyse sont fondées sur le démélange spectral, utilisant une bibliothèque de spectres caractéristiques (signatures spectrales), pour chaque radionucléide à identifier. Le cas des mesures de terrain sur des dispositifs portables posent des défis algorithmiques de taille. D’une part, les signatures spectrales sont fixées, limitant fortement la robustesse des algorithmes d’identification à la variabilité des conditions de mesures de terrain ; les phénomènes d’atténuation ou de diffusion autour d’une source radioactive conduisent à de fortes distorsions des spectres mesurés. D’autre part, tant la faible quantité de données disponibles pour caractériser la grande variété des signatures mesurables sur le terrain, que l’utilisation de dispositifs portables requiert le développement d’algorithmes d’apprentissage automatique. L’objectif de la thèse est le développement d’une solution algorithmique combinant des algorithmes rapides avec un modèle d’apprentissage automatique sobre, requérant peu de données d’apprentissage, pour l’estimation conjointe des activités et des signatures spectrales des radionucléides à identifier. Cette solution sera développée de sorte à être implémentée sur un système numérique embarqué sobre en énergie (FPGA). Les travaux de thèse porteront également sur l’évaluation du bilan performances d’analyse (détection et identification) et sobriété énergétique.