论文摘要
针对传统核素识别方法对高本底、低探测率的复杂伽马能谱存在特征提取困难、建模复杂以及识别率低等问题,提出了一种使用卷积神经网络(CNN)进行核素识别的方法。利用CNN可自适应、隐式地提取图像特征并进行分类学习的特点,搭建多层卷积神经网络的核素识别模型,通过网络模型特征提取层和分类器的训练,获取深层次的核素特征描述,实现多核素识别。基于蒙特卡洛分析软件Geant4仿真数据进行了对比分析实验,结果表明:本文提出的方法其时间复杂度为O(n~2),所提方法避免了复杂的显式特征提取过程,能够对IAEA规定的部分常见单一及混合核素实时地多核素识别。
论文目录
文章来源
类型: 期刊论文
作者: 胡浩行,张江梅,王坤朋,冯兴华
关键词: 伽马能谱,核素识别,卷积神经网络,深层特征,自适应提取
来源: 传感器与微系统 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 核科学技术,自动化技术
单位: 西南科技大学信息工程学院,西南科技大学核废物与环境安全国防重点学科实验室
基金: 国家自然科学基金资助项目(61501385),国防科工局核能开发项目(18ZG6103),四川省应用基础资助项目(18YYJC1688,2016JY0242)
分类号: TP183;TL81
DOI: 10.13873/j.1000-9787(2019)10-0154-03
页码: 154-156+160
总页数: 4
文件大小: 2731K
下载量: 165