ML-EM统计迭代算法重建核废物桶层析γ扫描透射图像

摘要

随着核科学与技术的迅速发展,核设施应用广泛,伴随产生大量核废物,对放射性废物桶进行准确检测至关重要.层析γ扫描(Tomographic Gamma Scanning,TGS)技术作为现今较先进的γ射线无损分析技术之一,能够准确对核废物桶内放射性核素进行定性和定量分析,确定核素在桶内位置.本文采用聚乙烯、混凝土、玻璃、纤维、塑料、铝和水等7种介质和137Cs、60Co源,模拟核废物桶样品,以152Eu作为透射源,基于课题组自主研发的TGS装置开展了透射测量实验.采用ML-EM统计迭代算法对透射图像进行重建,得到了122keV、344keV、779keV、964keV、1112keV、1408keV6种特征能量下TGS透射图像,并对发射γ射线在桶内的线衰减系数进行了校正.结果表明:ML-EM统计迭代算法可清晰重建TGS透射图像,较好的分辨不同密度介质,高能γ射线的重建图像质量较好于低能γ射线;桶内72个划分体素在发射γ,射线661.661keV、1173.238keV、1332.513keV能量下的线衰减系数重建值与参考值吻合,表明了该方法的有效性.