Identificación de interacciones de partículas en sensores de imágenes de silicio.

Se desarrolló un código en C que permite obtener y analizar las imagenes raw obtenidas por sensores CMOS, para la detección de interacción de partículas con el sensor. Además de la interfaz por consola, se desarrollaron dos interfaces web que permiten visualizar la información procesada. Gracias...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Balmaceda, Darío F.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2019
Materias:
Partículas y campos
Silicon
Silicio
Neural networks
Redes neuronales
Sensors
Sensores
[Lead detection
Detección de plomo
Radon measurement
Medición de radón
Particle detection
Detención de particulas]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/995/1/Balmaceda.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
id I25-R131-995
record_format dspace
institution Instituto Balseiro
institution_str I-25
repository_str R-131
collection Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB)
language Español
orig_language_str_mv es
topic Partículas y campos
Silicon
Silicio
Neural networks
Redes neuronales
Sensors
Sensores
[Lead detection
Detección de plomo
Radon measurement
Medición de radón
Particle detection
Detención de particulas]
spellingShingle Partículas y campos
Silicon
Silicio
Neural networks
Redes neuronales
Sensors
Sensores
[Lead detection
Detección de plomo
Radon measurement
Medición de radón
Particle detection
Detención de particulas]
Balmaceda, Darío F.
Identificación de interacciones de partículas en sensores de imágenes de silicio.
topic_facet Partículas y campos
Silicon
Silicio
Neural networks
Redes neuronales
Sensors
Sensores
[Lead detection
Detección de plomo
Radon measurement
Medición de radón
Particle detection
Detención de particulas]
description Se desarrolló un código en C que permite obtener y analizar las imagenes raw obtenidas por sensores CMOS, para la detección de interacción de partículas con el sensor. Además de la interfaz por consola, se desarrollaron dos interfaces web que permiten visualizar la información procesada. Gracias a este software, se fabricó un prototipo de un monitor del nivel de actividad de radón. Para ello, se construyó un concentrador de iones con un material conductor, un soporte impreso en 3D, y un sensor CMOS. Los datos obtenidos fueron procesados por una raspberry pi, modelo 3B+. Se demostró el correcto funcionamiento del código y del concentrador de iones para la detección de partículas alfa, provenientes de partículas inestables previamente depositadas sobre el sensor. Se analizó la forma de los eventos de las partículas alfas detectadas, y su distribución sobre el sensor. Las mediciones se contrastaron con un medidor de radón disponible comercialmente, observándose cierta inercia en la medición dada por dicho sensor. Además, con el fin de detectar concentraciones de plomo en agua, se utilizaron sensores CCDs para la detección de los picos Lα y Lβ del plomo. Para ello se colocó una lámina de plomo sobre una mitad del sensor y una lámina de cobre sobre la otra mitad. El cobre utilizado permitió una correcta calibración de la energía de los eventos detectados. Se calculó el flujo eventos que se espera para los picos Lα y Lβ del plomo, con estos resultados se extrapoló al sensores CMOS utilizado anterior, y se adaptó un experimento su verificación. Por otro lado, se utilizaron técnicas de Machine Learning para la clasificación de imágenes en eventos y ruidos. Estas imágenes fueron simuladas tomando un ruido gaussiano para cada pixel y, en el caso de las imágenes de eventos, distribuyendo n cargas unitarias sobre el centro del sensor, siguiendo distribución gaussiana. Todas las imágenes sufrieron un proceso de pre-selección. Se implementó una red neuronal convolucional con una única capa convolucional y una capa densa y se observó la dependencia de la precisión como función de la cantidad de cargas n distribuídas en el conjunto de datos de entrenamiento.
format Tesis
NonPeerReviewed
author Balmaceda, Darío F.
author_facet Balmaceda, Darío F.
author_sort Balmaceda, Darío F.
title Identificación de interacciones de partículas en sensores de imágenes de silicio.
title_short Identificación de interacciones de partículas en sensores de imágenes de silicio.
title_full Identificación de interacciones de partículas en sensores de imágenes de silicio.
title_fullStr Identificación de interacciones de partículas en sensores de imágenes de silicio.
title_full_unstemmed Identificación de interacciones de partículas en sensores de imágenes de silicio.
title_sort identificación de interacciones de partículas en sensores de imágenes de silicio.
publishDate 2019
url http://ricabib.cab.cnea.gov.ar/995/1/Balmaceda.pdf
work_keys_str_mv AT balmacedadariof identificaciondeinteraccionesdeparticulasensensoresdeimagenesdesilicio
_version_ 1794277875368591360
spelling I25-R131-9952022-01-24T18:00:55Z Identificación de interacciones de partículas en sensores de imágenes de silicio. Particle detection in silicon image sensors. Balmaceda, Darío F. Partículas y campos Silicon Silicio Neural networks Redes neuronales Sensors Sensores [Lead detection Detección de plomo Radon measurement Medición de radón Particle detection Detención de particulas] Se desarrolló un código en C que permite obtener y analizar las imagenes raw obtenidas por sensores CMOS, para la detección de interacción de partículas con el sensor. Además de la interfaz por consola, se desarrollaron dos interfaces web que permiten visualizar la información procesada. Gracias a este software, se fabricó un prototipo de un monitor del nivel de actividad de radón. Para ello, se construyó un concentrador de iones con un material conductor, un soporte impreso en 3D, y un sensor CMOS. Los datos obtenidos fueron procesados por una raspberry pi, modelo 3B+. Se demostró el correcto funcionamiento del código y del concentrador de iones para la detección de partículas alfa, provenientes de partículas inestables previamente depositadas sobre el sensor. Se analizó la forma de los eventos de las partículas alfas detectadas, y su distribución sobre el sensor. Las mediciones se contrastaron con un medidor de radón disponible comercialmente, observándose cierta inercia en la medición dada por dicho sensor. Además, con el fin de detectar concentraciones de plomo en agua, se utilizaron sensores CCDs para la detección de los picos Lα y Lβ del plomo. Para ello se colocó una lámina de plomo sobre una mitad del sensor y una lámina de cobre sobre la otra mitad. El cobre utilizado permitió una correcta calibración de la energía de los eventos detectados. Se calculó el flujo eventos que se espera para los picos Lα y Lβ del plomo, con estos resultados se extrapoló al sensores CMOS utilizado anterior, y se adaptó un experimento su verificación. Por otro lado, se utilizaron técnicas de Machine Learning para la clasificación de imágenes en eventos y ruidos. Estas imágenes fueron simuladas tomando un ruido gaussiano para cada pixel y, en el caso de las imágenes de eventos, distribuyendo n cargas unitarias sobre el centro del sensor, siguiendo distribución gaussiana. Todas las imágenes sufrieron un proceso de pre-selección. Se implementó una red neuronal convolucional con una única capa convolucional y una capa densa y se observó la dependencia de la precisión como función de la cantidad de cargas n distribuídas en el conjunto de datos de entrenamiento. A C program has been developed to acquire and analyze raw images from a CMOS sensor, to detect particles interactions with the sensor itself. In addition to the commandline interface, two webs interfaces were developed that allow viewing the processed information. Thanks to this software, a prototype of a radon detector were manufactured. Using an ion concentrator made of conductive tape, a 3D printed stand, and a CMOS image sensor. The data obtained were processed by a raspberry pi 3B+. Unstable particles were deposited on the sensor, thanks to the ion concentrator. Those particles decay, emitting an alpha which has been detected by the program developed. The shape of the alpha particles’ detected events and their distribution on the sensor were analyzed. The measurements were contrasted with a commercially available radon meter, observing some inertia in the measurement given by said sensor. To build a lead in water meter, CCD sensors were used to measure Lα and Lβ peaks of lead. To do this, a lead sheet was placed on one half of the sensor and a copper sheet on the other half. The copper was used to calibrate the energy of the detected events. The expected event flux by the Lα and Lβ peaks of lead was calculated and then extrapolated to the CMOS sensor previously used. This experiment was adapted to the CMOS sensor. Using Machine Learning techniques, simulated images from events and noises were classified. Those images were simulated by taking a Gaussian noise for each pixel and, in the case of events, by taking n unit charges over the centre of the sensor, following a Gaussian distribution. All those images were validated by a pre-selection process. An artificial neural network with a single convolutional layer and a dense layer was implemented, the dependence of the accuracy as a function of the n charges from the training set was observed. 2019-12-12 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/995/1/Balmaceda.pdf es Balmaceda, Darío F. (2019) Identificación de interacciones de partículas en sensores de imágenes de silicio. / Particle detection in silicon image sensors. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/995/

Ejemplares similares