基于GAF-CNN的n/γ甄别方法研究

中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转换方法,将卷积神经网络(CNN)分类模型应用到n/γ甄别中。通过GAF将n/γ脉冲数据转化为二维图像,之后将其输入到CNN分类模型中达到样本辨别的目的。为验证GAF-CNN甄别的准确性,与传统CNN甄别法和电荷比较法进行了甄别效果对比。结果表明,GAF-CNN甄别法具有更低的辨别误差率和较短的处理时间,且n/γ甄别品质因子(FOM)有着数量级上的提升。同时其具备网络轻量化的特点,有助于实现CNN PSD算法的嵌入式部署,为研制高性能n/γ复合探测能谱仪提供了一种可行的PSD技术解决方案。