强激光与粒子束

作者：李超, 石睿, 曾树鑫, 徐鑫华, 魏雨鸿, 庹先国,

关键词：核素识别, 核信号, 神经网络, FPGA, 硬件加速,

放射性核素已在核医疗、核安保及无损检测等领域中广泛应用，而对其准确识别是放射性核素定性检测的基础。在便携式核素识别仪中，基于传统能谱分析方法存在延迟高、识别率低等不足。提出一种基于核脉冲峰值序列的核素识别轻量化神经网络模型及其FPGA硬件加速方法，通过引入深度可分离卷积和倒残差模块，并使用全局平均池化替代传统全连接层，构建了一种轻量化、高效的神经网络模型。针对网络训练数据集，通过蒙特卡罗工具包Geant4构建NaI(Tl)探测器模型，获取模拟能谱，再由核脉冲信号模拟仿真器根据能谱产生核脉冲信号序列，构建了16种核脉冲信号数据。最后，将训练好的模型通过量化、融合与并行计算等优化方法部署到PYNQ-Z2异构芯片，实现加速。实验结果表明，模型识别精度可达98.3%，相较传统卷积神经网络模型提高了13.2%，参数量仅为2 128。FPGA优化加速后单次识别耗时0.273 ms，功耗为1.94 W。

来源：2025年第5期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2025年第5期