[发明专利]一种核素识别方法

说明书

本发明提供一种核素识别方法，包括步骤：利用蒙特卡罗模拟构建放射性核素库及其能谱；利用实测能谱构建伽马探测器的能量响应模型；利用所述能量响应模型实现模拟能谱与实测能谱的匹配；利用所述匹配后的核素伽马能谱生成具有谱线漂移效应的伽马能谱；对所述具有谱线漂移效应的伽马能谱的能谱数据进行降维；构建神经网络，训练所述神经网络，实现所述神经网络的节点参数的优化；对于所述伽马探测器探测所得的未知核素的伽马能谱，利用所述神经网络进行识别。所述核素识别方法降低了神经网络训练过程的耗时和核素识别算法的计算开销，提高了核素识别的速度，还提升了能识别核素的种类和识别的精度。

技术领域

本发明属于核辐射检测领域，特别涉及一种核素识别方法。

背景技术

放射性核素目前广泛应用于医学检测、核电和工业探伤等领域。其广泛应用给人类带来了大量的便利的同时也催生了放射性泄漏和扩散的风险。在核技术综合应用中，放射性物资泄漏，放射源丢失、被盗、失控，或者放射性同位素和射线装置失控已经成为危及社会公共安全的重要因素。测定和识别放射性核素的种类对于掌握核信息、防止核泄漏、打击核走私和保证核安全具有重要意义。

一般放射性核素的识别是通过测定其放射的伽马射线的能谱实现。不同的放射性核素放射的伽马射线的能量不同，获取对应的能谱全能峰的位置的峰位能量即可实现放射性核素的识别。然而这种方法通常只适用于具备高能量分辨率的半导体探测器的应用场景。而在核技术的应用中，以碘化钠为代表的闪烁探测器以其能量测量范围广、光输出额高、易于加工和价格低廉的优势一直是伽马射线能谱测量中应用最广的探测器。但是闪烁探测器的能量分辨率通常较差，这样会导致能谱上全能峰展宽严重，甚至淹没在背景辐射和散射光子谱中。因此传统的峰位能量识别法适用程度有限。另一方面，闪烁探测器具有谱线漂移效应(温度或电压等条件改变引起探测器增益变化导致的全能峰绝对位置的漂移)，传统的峰位能量识别法可能会导致误识别。

对于基于闪烁探测器测量能谱的核素识别，目前更适用的一类方法是基于全谱的识别方法，即将伽马能谱作为一个整体来完成谱特征信息提取和核素识别，而神经网络方法是其中常用的一种方法，其通常做法是将探测器实测的不同核素的能谱作为输入，将真实的核素组分构成作为输出，对其进行训练优化神经网络参数，实现核素识别。但其主要的缺陷在于：

a.核素种类繁多，如果一一测定不同种类的核素的能谱作为训练数据，耗时长，而且一些特定的放射性核素存在难以获取的情况，因此限制了其能识别的放射性核素的种类；b.全谱数据维度大，导致训练过程耗时长，计算复杂性大。

发明内容

针对上述问题，本发明提供一种核素识别方法。所述核素识别方法包括下述步骤：

A、模拟构建放射性核素库；

B、利用实测能谱构建伽马探测器的能量响应模型；

C、利用所述能量响应模型实现模拟能谱与实测能谱的匹配；

D、利用所述匹配后的核素伽马能谱生成具有谱线漂移效应的伽马能谱；

E、对所述具有谱线漂移效应的伽马能谱的能谱数据进行降维；

F、构建神经网络，训练所述神经网络，实现所述神经网络的节点参数的优化；

G、对于所述伽马探测器探测所得的未知核素的伽马能谱，利用所述神经网络进行识别。

进一步，在所述步骤A中，

利用蒙特卡罗方法模拟每一种需要所述伽马探测器探测的放射性核素的伽马能谱，记第i种所述放射性核素的伽马能谱为S_i，所述S_i为c×1的矩阵，所述c为所述伽马能谱的总道数；

进行所述模拟时，所述伽马探测器具有理想能量响应。

进一步，在所述步骤B中，