dc.contributor.author | Trindade, Ananda Coaglia | |
dc.date.accessioned | 2018-11-26T12:01:13Z | |
dc.date.available | 2018-11-26T12:01:13Z | |
dc.date.issued | 2010-09-30 | |
dc.identifier.citation | TRINDADE, Ananda Coaglia. Reconhecimento de padrões de imagens de traços nucleares produzidos por partículas alfa em detectores de estado sólido. 2010. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2010. Disponível em: https://repositorio.ufscar.br/handle/ufscar/10707. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/10707 | |
dc.description.abstract | This work presents a new technique for image analysis generated by alpha
particles in solid state nuclear track detectors using Hough Transform to identify
complete standards and Artificial Neural Networks which act as classifiers of
incomplete standards.
Radon, during their decay process emits alpha particles that may be registered in
detector of certain materials as inorganic crystals, plastic or glass. Through these
detectors is possible to obtain images generated by alpha particles and therefore
calculate the concentration of radon in an environment.
Radon and its decay products contribute to the majority of ionizing radiation
received by worldwide population, particularly in indoor environments. Studies
carried out over the years confirmed the association between radon exposure and
lung cancer.
Considering the importance of studies related to radon, the need arises to
explore the existing techniques to obtain the concentration of radon indoors and
create new techniques that are better adapted to current needs. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights.uri | Acesso aberto | por |
dc.subject | Processamento digital de imagens | por |
dc.subject | Transformada de Hough | por |
dc.subject | Redes Neurais Artificiais | por |
dc.subject | Partículas Alfa | por |
dc.subject | Radônio | por |
dc.subject | Digital Image Processing | eng |
dc.subject | Hough Transform | eng |
dc.subject | Artificial Neural Networks | eng |
dc.subject | Alpha Particle | eng |
dc.subject | Radon | eng |
dc.title | Reconhecimento de padrões de imagens de traços nucleares produzidos por partículas alfa em detectores de estado sólido | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Cruvinel, Paulo Estevão | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7924553462118511 | por |
dc.description.resumo | Este trabalho apresenta uma nova técnica de análise de imagens geradas por
partículas alfa em detectores de estado sólido utilizando a Transformada de Hough
para identificação de padrões completos e Redes Neurais Artificiais que atuam como
classificadores de padrões incompletos.
O Radônio, durante seu processo de decaimento emite partículas alfa que
podem ser registradas em detectores de determinados materiais como cristais
inorgânicos, plásticos ou vidros. Através destes detectores é possível obter imagens
geradas pelas partículas alfa e assim calcular a concentração de Radônio em um
ambiente.
Considerando que os produtos de decaimento do Radônio são responsáveis
pela maior parte da dose de radiação ionizante recebida pela população mundial e
que estudos realizados ao longo dos anos comprovaram sua associação ao câncer de
pulmão, concentrações elevadas de Radônio podem provocar riscos à saúde.
Da importância dos estudos relacionados ao Radônio, surge a necessidade de
explorar melhor as técnicas existentes para obtenção de sua concentração em
ambientes fechados, bem como de se adequar ou criar novas técnicas que possam ser
melhor adaptadas às necessidades atuais. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.ufscar.embargo | Online | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/8774079177150720 | por |