基于深度学习的CLYC中子-伽马射线甄别探测方法及装置

本发明涉及CLYC中子‑伽马射线技术领域，提出了一种基于深度学习的CLYC中子‑伽马射线甄别探测方法及装置，包括：对CLYC探测器输出的原始脉冲波形进行预处理，得到清洁标准波形数据；构建一维卷积神经网络模型，分别捕获波形不同时间尺度的特征，并通过注意力机制识别波形中最具甄别性的特征区域；对一维卷积神经网络模型的原始超参数进行自适应调节，得到优化超参数；建立从原始脉冲波形到中子‑伽马粒子类型的直接映射关系，得到训练完成的模型；对模型进行压缩优化处理，并部署到嵌入式平台进行中子‑伽马射线甄别。本发明实现了CLYC脉冲波形深层次甄别特征的自动提取和关键特征区域的精准识别，提高了中子‑伽马射线的甄别准确率和抗噪声干扰能力。