多模态学习实现无修改移动电话的即时离子辐射警报：用于现实世界紧急响应
应用物理
2025-08-13 v1
摘要
在辐射紧急情况中，每一秒都至关重要，但公众通常在最需要时没有立即访问专用监测设备的渠道。本文首次提出一种实用的基于移动电话的紧急离子辐射检测方法，该方法完全无需摄像头覆盖或额外硬件修改。利用多模态深度学习方法将稀疏的辐射诱导信号分布与亮度图案相集成，所提出的框架有效地隔离了被压倒性视觉干扰中的细微辐射信号。一种混合 3D-2D 卷积神经网络（CNN）从原始移动电话视频中识别辐射诱导斑点，而多层感知器（MLP）则对辐射信号和亮度图进行融合，以进行剂量率估计。该方法在 6 秒内检测有害剂量率（25-280 mRem/h），准确率为 86-96%；在延长测量时间后检测低剂量辐射（-0.6 mRem/h），准确率达 87%。该方法大大提高了移动电话辐射检测的实用性，显示出作为可接近辐射紧急检测工具的巨大潜力。
引用
@article{arxiv.2508.08541,
title = {Multimodal learning enables instant ionizing radiation alerts on unmodified mobile phones for real-world emergency response},
author = {Yanfeng Xie and Xingzhi Cheng},
journal= {arXiv preprint arXiv:2508.08541},
year = {2025}
}
备注
17 pages, 9 figures