تشخیص و شناسایی عناصر رادیواکتیو یک جنبه حیاتی در زمینه‌های مختلف از جمله ایمنی هسته‌ای، نظارت بر محیط‌زیست و فیزیک بهداشت پرتوی است. روش‌های سنتی شناسایی رادیواکتیویته اغلب به تکنیک‌های دستی وقت‌گیر یا تجهیزات تخصصی که ممکن است به‌راحتی در دسترس نباشند، متکی هستند. بااین‌حال، پیشرفت‌ها در فناوری بینایی ماشین جایگزین امیدوارکننده‌ای ارائه می‌کند که از قدرت هوش مصنوعی و پردازش تصویر برای افزایش دقت و کارایی شناسایی عناصر رادیواکتیو استفاده می‌کند. این مقاله به بررسی کاربرد تکنیک بینایی ماشین در شناسایی نوع عناصر رادیواکتیو خارج از کنترل می‌پردازد و بر ادغام الگوریتم‌های تصویر‌برداری، چارچوب‌های یادگیری عمیق و تحلیل داده‌های آشکارسازها تمرکز می‌کند که می‌تواند فرآیند شناسایی را به طور خودکار انجام داده و خطای انسانی را به حداقل برساند. سامانه مدل شده به طور هم‌زمان تصاویر حرکتی را دریافت و پردازش کرده و مسیر حرکت اجسام را تشخیص می‌دهد و به طور هم‌زمان داده‌های پرتوی در آشکارساز ثبت می‌گردد. از روی طیف‌های ثبت شده در آشکارسازها، حضور چشمه یا چشمه‌های رادیواکتیو و نوع آنها مشخص می‌گردد. در ادامه با داشتن طیف‌های ثبت شده در زمان‌های مختلف و با شناسایی شماره شناسایی اشیا حاضر از روی تصاویر موقعیت و نوع ماده رادیواکتیو مشخص می گردد.