Sistemas Computacionales en el Instituto Nacional de Investigaciones Nucleares

Ing. Luis Enrique Ledezma Fuentes

Noviembre del 2012

Instituto Nacional de Investigaciones
Nucleares (ININ)
 Fundación el 1º de enero de 1956 de la
Comisión Nacional de Energía
Nuclear (CNEN), con dos campos de
interés: las aplicaciones energéticas y no
energéticas y los estudios en ciencias
nucleares.
Instituto Nacional de Investigaciones
Nucleares (ININ)
 En 1972, la CNEN cambió su nombre
a Instituto Nacional de Energía
Nuclear y en 1979 con la emisión de la
Ley Nuclear (reglamentaria del artículo
27 constitucional sobre la materia), la
institución se transformó para crear la
Comisión Nacional de Seguridad
Nuclear y Salvaguardias, el Instituto
Nacional de Investigaciones
Nucleares, Uranio Mexicano (ya
desaparecida) y la Comisión Nacional
de Energía Atómica (que nunca entró
en función).
Misión
 Coadyuvar al progreso económico y social
del país, mediante investigación y desarrollo
de excelencia en ciencia y tecnología
nucleares y en temas afines, vinculados con
la comunidad académica y el sector
productivo
Gerencia de Sistemas
Generalidades
• Apoyo a Investigadores
• Realización de Seminarios y Cursos
• Relaciones con otras Instituciones
• Servicios Internos
• Servicios Externos
Sistemas Computacionales
 Sistemas de información
 Super cómputo
 Proyectos de Investigación
Sistemas de Información
Metodologías

 General para desarrollo de sistema

informático
 Proceso unificado
 Arquitectura de 3 capas
Sistemas de Información
Bases de Datos
Sistemas de Información
Software de Desarrollo
Sistemas de Información
 Entre más especializado sea el sistema, menos
capaz es de adaptarse a circunstancias diferentes.

 Cuanto mayor sea el sistema mayor es el número

de sus recursos que deben dedicarse a su
mantenimiento diario.

 Los sistemas siempre forman parte de sistemas

mayores y siempre pueden dividirse en sistemas
menores.

 Los sistemas crecen

Sistemas de Información
Supercómputo

Clúster Altix 300

Clúster Supermicro
Clúster Altix 300
1 a 16 núcleos
• Linux Suse 9
• Procesadores Itaniums
• 1.5 Ghz
• 200 GB RAM
Clúster
Supermicro
2 – 112 núcleos
• Linux Centos
• Procesadores Opteron AMD
• 2 Ghz
• 224 GB RAM
Supercómputo - Aplicaciones

Hidrodinámica Plasmas Astrofísica

Modelado
Molecular
 Proyectos de
Investigación
“SISTEMA DE RECONOCIMIENTO DE PATRONES DE
TRAZAS NUCLEARES PARA FECHADO GEOLÓGICO DEL
MINERAL APATITA Y DISTRIBUCIÓN DE DIÁMETROS EN
EL PLÁSTICO CR39”
 Hipótesis
Con base en el trabajo realizado en el ININ y a las
características propias de las trazas de fisión (forma, tamaño,
número y dimensión) un Sistema de Reconocimiento de
Patrones basado en la metodología propuesta por González y
Woods es adecuado para analizar a detalle imágenes de
dichas trazas y junto con la matemática asociada, sentar
bases para el fechado de minerales y de distribución de
diámetros en plásticos que contribuirá en el análisis de
reacciones nucleares.
 Objetivo
Diseñar un Sistema de Reconocimiento de Patrones para la
evaluación de trazas nucleares de fisión en muestras de
mineral apatita y de un plástico policarbonato denominado
CR39 por medio del software Matlab, cuyos objetivos
particulares son:

• Conteo automático de trazas en Apatita, y medición

automática de diámetros de las trazas de CR39.

• Elaboración de histogramas de variación de

diámetros de trazas de fisión y de energías de
partículas.
CONCE PTOS BÁ SI COS
 Trazas de fisión en minerales

a) Mineral Apatita b) Corte del mineral c) Pulido d) Resultado de

la corrosión

Trazas de apatita estándar Trazas en el plano C

 Trazas de fisión en plásticos
Plástico CR39
CR-39

Partícula
Daño de ionizante (vi)
100 A

Dosimetría
vf=0
Reconocimiento de patrones
Es una técnica computacional basada en la diferenciación de los
patrones o características de los objetos que componen a una
imagen.
METODOLOGÍA
 Esquema
Metodología descrita por González y Woods.

Procesado de nivel intermedio

Representación
Segmentación y
Procesado de descripción Procesado de
Bajo Nivel Alto Nivel

Pre-
procesado
Resultado
Reconocimiento
Dominio e
del interpretación
problema
Base de conocimiento
Adquisición
de
imágenes
D E S A R R O L L O
D E L
S I S T E M A
Plataforma de desarrollo
Matlab® MATrix LABoratory
Laboratorio de Matrices
Versión 2009a
 Adquisición
Es la conversión de una escena a la representación digital de
la misma que puede ser procesada por una computadora.

1. Software INFINITY Versión 4.0 2. Microscopio Electrónico de Barrido

propio de una cámara CCD acoplada con software integrado.
a un microscopio óptico marca Nikon
ECLIPSE E400.
 Pre-procesamiento
Mejora la imagen de forma que se incrementen las
posibilidades de éxito en procesos posteriores
Resolución de imágenes Conversión a niveles de gris Ajuste de contraste
(imresize ) (rgb2gray) (MEB, imadjust)

Aplicación de filtros Binarización

Unsharp, mediana (fspecial ,
imfilter y medfilt2)
 Segmentación
Subdividir una imagen de entrada en sus partes u
objetos constituyentes.

Detección de bordes Morfología

edge imfill

Etiquetado de la imagen Transformada de Hough

bwlabel Hough_Circ
 Descripción
Se obtienen características para diferenciar un tipo de objeto de
otro, por ejemplo tamaño, forma, color, etc.

Se extrajeron características geométricas que describen a los objetos

de forma adecuada: área, excentricidad y solidez; esto mediante la
función regionprops.
 Clasificación
Mineral
K-NN (clasificación supervisada)
• Fase de entrenamiento
a) Determinación de clases Trazas
Aisladas
b) Base de conocimiento
c) Clasificación Trazas
d) Inserción de nuevos elementos. Superpuestas

• Fase de clasificación
Se realizó el mismo procedimiento que
en la fase anterior, con la diferencia
de que en esta fase no se insertaron
los nuevos objetos clasificados.
 Proceso completo de imágenes de
Apatita

Imagen Adquirida Conversión a niveles de Aplicación de filtro

gris

Área
Excentricidad
Solidez

Binarización Descripción Clasificación

 Clasificación
Plástico
a) Diferenciación de imágenes

Traza
superpuesta

Traza
aislada

b) Transformada de Hough

c) Max-min
 Proceso completo del plástico CR39
(MO)

Imagen adquirida Conversión a niveles de Filtro de mediana Realce de bordes

gris

Detección de bordes Eliminación de ruido Clasificación de diámetros

 Matemática asociada

Densidad de trazas de fisión

Fechado geológico del mineral Apatita

 Matemática asociada
Distribución e histograma de frecuencias
[n, xout] = hist (Y, nbins)

FWHM
Área bajo normal
Distribución
f la curva
y gráfica gaussiana

0.5 f

σ σ -σ μ σ σ
-3 -2
-σ σ σ 2 3
2.3548

FWHM

P = normcdf (X,mu,sigma),
 Interfaz gráfica
•Diagrama
Página
principal

Conteo de Distribución
trazas de diámetros

Trazas Trazas en el Microscopio Microscopio

estándar plano C óptico electrónico de
barrido

Conteo Distribución
total de diámetros

Obtener Distribución
densidad de Energías

Gráfica
Gaussiana
 Interfaz gráfica
Distribución de
Conteo de trazas
diámetros
RESULTADOS
 Conteo de trazas en imágenes de
Apatita estándar
Comparación de resultados de 25 imágenes.

90

80

70
Conteo manual
60

50 Conteo del
Trazas

sistema
40

30

20

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Imágenes
 Medición de diámetros
Comparación 30 diámetros MO

25.000

20.000

Conteo manual
15.000
Micras

Conteo del sistema

10.000

5.000

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Trazas
 Problemática
 Calidad de la imagen

a) Ralladuras fáciles de eliminar b) Oquedades fáciles c) Oquedades difíciles

de eliminar de eliminar

Bajo contraste
 Problemática
• Calibración
El MO y el MEB tienen oculares y objetivos con distintos aumentos, para obtener
el aumento total se multiplica el aumento de los oculares por el de los objetivos,
siendo los principales de 40X, 100X, 400X y 1000X, el mas utilizado es el de
400X

400X 40X 100X 1000X

 Conclusiones
 Se analizaron imágenes con problemas de contrastes, ralladuras, oquedades, entre otros; sin
embargo, aún con estas variaciones, se obtuvo buen funcionamiento, se logró un margen de
error general menor al 3%.

 El procedimiento automático es hasta 98 veces más rápido que el procedimiento manual

usado hasta ahora en el ININ.

 El desarrollo del sistema de reconocimiento de patrones de trazas nucleares para fechado

geológico del mineral apatita y distribución de diámetros en el plástico CR39 basado en la
metodología de González y Woods ha sido exitoso y la hipótesis inicial se confirma.

 El uso del software Matlab facilitó la implementación de los algoritmos gracias a las funciones
propias sobre tratamiento de imágenes.

 Las trazas de fisión fueron clasificadas correctamente gracias a la implementación de los

algoritmos diseñados: Transformada de Hough, clasificador supervisado (KNN) y clasificador
no supervisado (Maxmin).

 Se realizo el análisis para imágenes de trazas de fisión del mineral adquiridas en el plano C de
observación, las cuales no estaban consideradas al inicio del desarrollo de la tesis; y se logro
analizar imágenes del plástico adquiridas en un microscopio electrónico de barrido..
 Sugerencias
 Obtención de densidad de trazas de fisión para imágenes adquiridas con
distintos aumentos del microscopio y con diferentes ángulos de irradiación.

 Permitir que el sistema realice distribución de energías para otros

detectores plásticos, como Nitrato de Celulosa y Makrofol.

 Involucrar la implementación de una platina móvil con una interface que

permita la manipulación desde la computadora, para la adquisición
automática de imágenes.
GRACIAS