اقلام غیرقانونی و خطرناک مانند مواد منفجره را می توان با بهره وری ۱۰۰ درصد با استفاده از هوش مصنوعی (AI) و رویکرد جدید اشعه ایکس توسط دانشگاهیان بریتانیا شناسایی کرد.
شناسایی برخی مواد منفجره تنها با اشعه ایکس معمولی دشوار است و روش جدید می تواند نحوه شناسایی محصولات غیرقانونی مانند مواد مخدر، حیات وحش غیرقانونی و مواد منفجره را متحول کند.
محققان می گویند یافته های آنها ممکن است پیامدهای قابل توجهی برای بخش امنیتی داشته باشد و همچنین پتانسیل حمایت از مراقبت های بهداشتی و صنعت را دارد.
پروفسور ساندرو اولیوو نویسنده ارشد این مقاله گفت: “این روش کاملاً متفاوتی برای بازرسی مواد و اشیاء با تجزیه و تحلیل بافت ها است و به ما امکان می دهد تا روش جدیدی را برای تشخیص مواد غیرقانونی داشته باشیم.
خمیدگی‌های کوچک در پرتوهای ایکس همیشه وجود داشته‌اند، اما برای سیستم‌های اشعه ایکس معمولی نامرئی هستند، بنابراین به ما امکان می‌دهد به حجم عظیمی از اطلاعات دست‌نخورده قبلی دسترسی پیدا کنیم.
ما تاکنون نشان داده‌ایم که برای شناسایی مواد منفجره بسیار خوب عمل می‌کند، اما می‌توان از آن در هر برنامه‌ای که به اشعه ایکس متکی است، مانند تصویربرداری پزشکی یا تشخیص نقاط ضعف در ساختارهای صنعتی استفاده کرد.»
در این مطالعه، تیم به رهبری محققان UCL، یک روش جدید اندازه گیری اشعه ایکس را با یادگیری ماشینی هوش مصنوعی ترکیب کردند و آن را در یک اسکنر امنیتی اشعه ایکس که به صورت سفارشی توسعه داده شده بود، با استفاده از اشیاء حاوی مواد منفجره پنهان و همچنین اشیاء ایمن آزمایش کردند.
در طی تحقیقات قبلی، پروفسور اولیو کشف کرده بود که تغییرات میکروسکوپی یا بی نظمی در اجسام باعث خم شدن پرتوهای اشعه ایکس هنگام عبور از آنها می شود.
روش جدید بر اندازه‌گیری این خمیدگی‌های کوچک تکیه دارد که پرتو در اجسام با بافت‌های مختلف حرکت می‌کند.
خمیدگی در زوایایی به کوچکی یک میکرورادیان رخ می دهد که حدود ۲۰۰۰۰ برابر کوچکتر از یک درجه است.
این تیم اندازه‌گیری این زاویه‌ها را که به عنوان پراکندگی ریز رادیان شناخته می‌شود، با هوش مصنوعی ترکیب کردند تا اشیا و مواد را از طریق بافت آنها به طور دقیق شناسایی کنند.
طبق این مطالعه، هنگام آزمایش بر روی مواد منفجره، میزان کشف ۱۰۰٪ بود.
این تیم معتقد است : “این تحقیق پتانسیل تغییر در تشخیص تهدیدات مخفی در سراسر جهان، و همچنین انواع کالاهای قاچاق مانند مواد مخدر و مواد مخدر را نشان داده است. کالاهای غیرقانونی حیات وحش.”
دیوید بیت گفت: “با آموزش هوش مصنوعی ، پیش‌بینی می‌کنیم که این تکنیک می‌تواند برای شناسایی عیوب در اجزای صنعتی مانند ترک‌ها، زنگ زدگی یا شکاف‌ها استفاده شود که با چشم غیر مسلح قابل مشاهده است.”
شناسایی برخی مواد منفجره تنها با اشعه ایکس معمولی دشوار است و روش جدید می تواند نحوه شناسایی محصولات غیرقانونی مانند مواد مخدر، حیات وحش غیرقانونی و مواد منفجره را متحول کند.
محققان می گویند یافته های آنها ممکن است پیامدهای قابل توجهی برای بخش امنیتی داشته باشد و همچنین پتانسیل حمایت از مراقبت های بهداشتی و صنعت را دارد.
پروفسور ساندرو اولیوو نویسنده ارشد این مقاله گفت: “این روش کاملاً متفاوتی برای بازرسی مواد و اشیاء با تجزیه و تحلیل بافت ها است و به ما امکان می دهد تا روش جدیدی را برای تشخیص مواد غیرقانونی داشته باشیم.
خمیدگی‌های کوچک در پرتوهای ایکس همیشه وجود داشته‌اند، اما برای سیستم‌های اشعه ایکس معمولی نامرئی هستند، بنابراین به ما امکان می‌دهد به حجم عظیمی از اطلاعات دست‌نخورده قبلی دسترسی پیدا کنیم.
ما تاکنون نشان داده‌ایم که برای شناسایی مواد منفجره بسیار خوب عمل می‌کند، اما می‌توان از آن در هر برنامه‌ای که به اشعه ایکس متکی است، مانند تصویربرداری پزشکی یا تشخیص نقاط ضعف در ساختارهای صنعتی استفاده کرد.»
در این مطالعه، تیم به رهبری محققان UCL، یک روش جدید اندازه گیری اشعه ایکس را با یادگیری ماشینی هوش مصنوعی ترکیب کردند و آن را در یک اسکنر امنیتی اشعه ایکس که به صورت سفارشی توسعه داده شده بود، با استفاده از اشیاء حاوی مواد منفجره پنهان و همچنین اشیاء ایمن آزمایش کردند.
در طی تحقیقات قبلی، پروفسور اولیو کشف کرده بود که تغییرات میکروسکوپی یا بی نظمی در اجسام باعث خم شدن پرتوهای اشعه ایکس هنگام عبور از آنها می شود.
روش جدید بر اندازه‌گیری این خمیدگی‌های کوچک تکیه دارد که پرتو در اجسام با بافت‌های مختلف حرکت می‌کند.
خمیدگی در زوایایی به کوچکی یک میکرورادیان رخ می دهد که حدود ۲۰۰۰۰ برابر کوچکتر از یک درجه است.
این تیم اندازه‌گیری این زاویه‌ها را که به عنوان پراکندگی ریز رادیان شناخته می‌شود، با هوش مصنوعی ترکیب کردند تا اشیا و مواد را از طریق بافت آنها به طور دقیق شناسایی کنند.
طبق این مطالعه، هنگام آزمایش بر روی مواد منفجره، میزان کشف ۱۰۰٪ بود.
این تیم معتقد است : “این تحقیق پتانسیل تغییر در تشخیص تهدیدات مخفی در سراسر جهان، و همچنین انواع کالاهای قاچاق مانند مواد مخدر و مواد مخدر را نشان داده است. کالاهای غیرقانونی حیات وحش.”
دیوید بیت گفت: “با آموزش هوش مصنوعی ، پیش‌بینی می‌کنیم که این تکنیک می‌تواند برای شناسایی عیوب در اجزای صنعتی مانند ترک‌ها، زنگ زدگی یا شکاف‌ها استفاده شود که با چشم غیر مسلح قابل مشاهده است.”
کد خبر ۲۰۲۰۱۰۶۲۰.۱۶۵
