基于卷积神经网络的γ放射性核素识别方法

• 全文链接
• 请求原文

作   者：

杜晓闯;  梁漫春;  黎岢;  俞彦成;  刘欣;  汪向伟;  王汝栋;  张国杰;  付起; 

作者机构：

北京永新医疗设备有限公司;  清华大学工程物理系;  解放军91515部队; 

关键词：

放射性核素识别;  卷积神经网络;  核安全;  γ能谱; 

期刊名称：

清华大学学报(自然科学版)

i s s n：

年卷期：

2023 年 006 期

页   码：

980-986

摘   要：

快速、准确的放射性核素识别可有效地对放射性危险源进行及时的监测预警，对保护人们远离放射源的威胁具有重要意义。该文基于卷积神经网络研究了放射性核素γ能谱的识别。通过溴化镧能谱仪采集16种放射性核素的γ能谱数据，并通过改变放射性核素γ能谱的计数和能谱漂移程度，创建生成大量单核素和双核素γ能谱训练数据，利用自搭建的卷积神经网络开展放射性核素识别模型训练。实验采集其中9种核素及其双核素的混合能谱对核素识别模型开展验证，结果表明：在剂量率约为0.5μSv/h、测量采集时间为60 s时，模型的识别准确率可达92.63%,满足在低剂量率下对放射性核素进行快速识别筛查的需求。