一种基于深度学习的伽马放射性成像方法与流程技术资料下载

技术编号:16313820

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。

本发明属于辐射探测技术和放射性监测领域,尤其涉及一种基于深度学习的伽马放射性成像方法。背景技术随着核工业与核技术应用深入到国家经济发展的各个领域,放射性物质的安全监管和核事故应急能力成为核安全和核安保行业特别关注的问题。传统的放射性分布探测技术,主要采用辐射探测器对目标区域各点进行测量,或者采用阵列式探测器对目标区域进行二维成像,但是均无法获得放射性物质在现实环境中的准确位置。特别地,在复杂场景下的放射性定位,还需要考虑放射性物质的三维空间位置,准确判断辐射来源及与探测装置的位置关系,对成像系统...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。

详细技术文档下载地址↓↓

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。
该分类下的技术专家--如需求助专家,请联系客服
  • 邢老师:1.机械设计及理论 2.生物医学材料及器械 3.声发射检测技术。
  • 王老师:1.数字信号处理 2.传感器技术及应用 3.机电一体化产品开发 4.机械工程测试技术 5.逆向工程技术研究
  • 王老师:1.机器人 2.嵌入式控制系统开发
  • 张老师:1.机械设计的应力分析、强度校核的计算机仿真 2.生物反应器研制 3.生物力学
  • 赵老师:检测与控制技术、机器人技术、机电一体化技术
  • 赵老师:1.智能控制理论及应用 2.机器人控制技术 3.新能源控制技术与应用
  • 张老师:激光与先进检测方法和智能化仪表、图像处理与计算机视觉