头条新闻

用晶体物理学进行 X 射线研究揭示机场行李中的危险

以 X 射线为动力的研究旨在瞄准通过机场安检的偷偷摸摸的危险物质。最近发表在 Scientific Reports 上的 study 提出了一种快速而强大的 X 射线衍射( XRD )技术的新设计,该技术能够识别潜在威胁。这项工作可能是朝着机场更准确的行李扫描迈出的一大步。

研究作者 Airidas Korolkovas 表示:“我的项目的主要目标是加快这种新的 X 射线成像模式,使其在机场安全方面经济可行。最终,这种扫描仪可以帮助发现甚至是最具创意的隐藏爆炸物、毒品和违禁品,而不会给操作员带来过高的成本,也不会给乘客造成延误。”。他在 iTomography 公司担任 X 射线物理学家和成像科学家期间进行了部分研究。

作为 NVIDIA Academic Hardware Grant Program 的获奖者,科罗尔科瓦斯在瑞典乌普萨拉大学的博士后研究期间获得了 NVIDIA TITAN V 。申请人必须证明获得世界级的计算资源可以如何促进他们的研究。

在这种情况下, Korolkovas 设计并实现了一种 GPU 加速的 X 射线衍射断层重建算法,以补充机场安检中现有的计算机断层扫描( CT ) X 射线扫描。

目前,机场仅依靠 X 射线透射就能以 3D 方式显示行李内容。 X 射线束可以穿透、吸收或散射,这取决于每种材料中原子的组成和空间排列。通过测量光束在不同角度的变化,复杂的算法和计算机视觉技术可以重建袋子内容物的 3D 图像。

这使得机场安检人员无需触摸行李即可查看行李。然而,基于传输的 CT 扫描有其局限性。

科罗尔科瓦斯说:“标准 CT 对材料的平均密度和成分很敏感。它对原子的内部排列不敏感,这在从塑料炸药中鉴别出一块良性塑料,或是糖和可卡因时会产生很大的差异。”。

根据这项研究,当扫描行李时, XRD 可能是一种强大的新添加,因为它对原子的内部排列很敏感。

这使得 XRD 特别适合于识别晶体,因为晶体材料中分子的重复排列导致沿着每种材料特有的精确角度的集中 X 射线散射。获取这些数据可以帮助机场安全部门确定袋子中的物品是否含有可卡因、冰毒,甚至是天然结晶、半结晶或结晶粉末的爆炸物。

不幸的是,整个乘客行李的 XRD 扫描非常缓慢,这使得它们在商业航空中无法使用,这需要实时结果。

为了缩短时间, Korolkovas 采用了一种针对高强度而非高分辨率 X 射线束的新型扫描仪设计,这在传统上是不可行的,因为它会降低 XRD 信号质量,无法识别。

通过涉及 CT 图像分割和复杂代数重建的多步骤方法,他能够恢复 XRD 分辨率,尽管光束强度有限。

Korolkovas 使用 NVIDIA TITAN V 计算所有可能衍射路径的概率。

他说:“在这项研究中,我能够通过结合来自透射、衍射、所有视角和 X 射线能量全谱的数据来保持可接受的分辨率。”。

对于袋子的每一片,这可以很容易地进行五次数学运算。

根据 Korolkovas 的说法,在 GPU 上编码重建算法对于保持计算时间可管理非常有帮助。从 CPU 换成 GPU ,他能够将运行时间从 10 小时加快到不到 1 小时。通过进一步改进算法并使用多个 GPU 或云计算,他设想最终实时运行扫描。

他说:“ X 射线可以在包内沿每个可能的方向穿透和散射。 CUDA 纹理映射已被证明是获取沿任何此类路径的光子存活概率的有效方法。各种路径的计算部分相互独立,并受益于 CUDA 提供的并行计算。”。

在包含良性和威胁材料的模拟袋上测试该方法,他发现 XRD 重建增加了材料特定信息,改善了 CT 单独捕获的信息和威胁检测。

A graph of a 2D slice of a prototype bag, showing different sized spheres ranging from white to grey. The white color spheres identify cellulose materials, while the grey shades reveal aluminum and ammonium nitrate materials. This shows the result of XRD scanning successfully identifying benign and hazardous materials.
图 1 。一个 XRD 断层图像原型,带有一个包含纤维素、铝合金和硝酸铵的行李箱的 2D 切片Image credit Scientific Reports / Korolkovas ,许可证CC BY 4.0

Korolkovas 在研究中写道:“在现有 CT 扫描仪上添加 XRD 成像是可行的,并且能够以安装额外的一两个探测器和开发合适的重建软件的低成本提供独特的材料特定信息。”。

研究的下一步包括建立一个实验原型,并在真实世界数据上测试算法。

Korolkovas 说:“这项研究得到了 X 射线扫描仪主要制造商 Rapiscan Systems 令人鼓舞的反馈。现在航空旅行恢复到大流行前的水平,人们对先进的 X 射线成像重新产生了兴趣,我希望为这项努力做出贡献。”。

他还计划使用机器学习来训练神经网络,根据行李箱中发现的各种材料对重建的衍射图案进行指纹识别。这将提高标记威胁材料的鲁棒性,即使可以实时获取的数据有限。

阅读研究 Fast X-ray diffraction (XRD) tomography for enhanced identification of materials .
访问 XRD_Tomography GitHub 页上的研究代码。
了解有关 NVIDIA Higher Education and Research Developer Resources 的更多信息。

这项研究的资金包括美国国土安全、科学和技术部的拨款以及 NVIDIA 捐赠的 Titan V 。

 

Tags