一种基于卷积递归神经网络的伽马光谱核素识别方法

本发明涉及伽马光谱解析领域，公开了一种基于卷积递归神经网络的伽马光谱核素识别方法。该方法针对低计数低分辨率的复杂伽马光谱数据能够高效提取其隐藏特征，同时可以准确解析低计数峰、重叠峰。该基于卷积递归神经网络的伽马光谱核素识别方法包括步骤，数据获取，构建卷积循环神经网络（2DCNN‑BiLSTM），训练卷积循环神经网络（2DCNN‑BiLSTM），实验验证。采用该基于卷积递归神经网络的伽马光谱核素识别方法能够准确有效的实现伽马光谱核素识别；不仅提取伽马光谱灰度图的灰度明暗特征，还提取灰度特征之间的时序关联，以提取的时空依赖特征指导核素识别；并且还拥有良好的泛化性和通用性，这对于放射性核素的识别具有重要意义。