本发明涉及核素识别领域，特别是涉及一种核素识别方法、系统及电子设备。
背景技术：
1、目前常见的传统核素识别方法是基于γ能谱解谱分析技术和特征峰匹配技术，这两种技术主要包括本底扣除、滤波平滑和寻峰等内容，都是通过对全能峰的峰形进行高斯分布假设和对峰位进行匹配，统计性地分析放射性材料释放出的特征γ射线，实现对放射性材料的定性和定量判断。但是这些方法需要收集足够多的光子，以减小特征峰的统计涨落性，因此对探测时间和放射性核素射线释放强度有一定要求。而在港口、机场和边境等特殊安检场景下，人员和货物的流量较大，只能对检测目标时间进行短时间的测量(秒量级)。同时检测目标在安检过程中，相对于探测器而言处于运动状态，会进一步影响探测器收集到的光子数。此外，在这些场景中放射性材料通常都会放置于屏蔽良好的容器罐中或置于集装箱内，使得伽马畸变和计数率降低，并受到环境本底和康普顿散射的影响，影响对核素的快速准确识别，更进一步增大了对γ辐射信号处理的难度。综上，在港口、机场和边境等特殊安检场景下，基于高斯模型的寻峰-匹配核素识别方法在分析γ能谱时变得困难且不准确，识别速度与准确度之间的矛盾更为突出。尽管采用固定式大体积探测器可在一定程度上缓解此矛盾，但高昂的价格和较大的尺寸限制了其广泛应用。
2、此外，目前基于全谱分析的新型核素识别方法主要有序贯贝叶斯方法、模糊数学方法、神经网络方法和反卷积方法等，这些方法不仅使用特征峰作为有用信息，还将分支比、半衰期和能谱图像等信息纳入到分析信息中，以降低在低计数率条件下核素识别的不确定度和提高检测效率。序贯贝叶斯核素识别方法具有识别下限高、识别速度快等优点。模糊数学核素识别方法则是在复杂环境下仍可以精确识别。神经网络核素识别方法具有可以模拟任意函数的特性，可以利用放射性核素的全谱信息进行分析，无需平滑、寻峰、峰拟合等复杂操作,即可快速准确识别核素。
3、针对机场、港口和核辐射应急等特殊场景下放射性物质的非法运输检测，存在非静态测量、可探测时间短、被探测信号弱等特点，在测量技术上提出了新的需求：
4、1、可测量时间短，通常在亚秒级至十几秒级范围内。
5、2、获得的信息量丰富，不仅需确定γ射线的能量，还应确定对应的放射性核素种类、强度、剂量等信息。
6、3、数据可信度要求高，在较高的置信水平下，对识别效率和准确率的要求高，同时误报率和漏警率应尽可能的低。
7、传统上一般采用γ能谱特征峰匹配技术对放射性核素、剂量等指标进行分析，这种分析方法通常需要收集足够的光子来进行识别，即需要基于大量γ射线测量事例与长时间测量，才能降低统计涨落性以保证必要的测量代表性和测量精度。在国际原子能机构(international atomic energy agency，iaea)推荐的辐射检测流程中，基于此方法的主要有固定式入口辐射监测仪系统、手持式/便携式γ谱仪和实验室高分辨率γ谱仪三大类。最新发展起来的固定式大体积碘化钠探测器和高纯锗探测器，可以对放射性核素的种类的做出准确识别，但是该系统的造价十分昂贵、便携式差、无法快速部署。便携式γ谱仪主要有闪烁体γ谱仪和半导体γ谱仪，这类探测器通常探测效率低，需要长时间的测量收集足够多的光子，以降低计数的统计涨落性。实验室高分辨率γ谱仪则主要是液氮制冷的高纯锗γ谱仪，该系统的普适性差、无法快速部署、成本昂贵。综上，使用传统方法——即从核素数据库检索结合γ能谱中特征峰匹配的核素识别方法——很难保证在短时间内实现低水平核素的快速测量和识别：该方法一方面难以满足复杂环境中多种核素的识别要求。另一方面由于能谱峰位成型时间较长，难以实现快速地核素识别。同时，基于γ能谱解谱分析和特征峰匹配的传统核素识别方法在全能峰净计数率不够多时很容易发生漏警事件。
8、此外，目前基于全谱分析的新型核素识别方法主要有基于贝叶斯理论和序贯概率比检验的序贯贝叶斯方法、模糊数学方法、神经网络方法和反卷积方法等，这些方法在不同类型γ谱仪上的普适性、受本底和康普顿坪的影响程度、误报率、漏警率和所需的计算量大小等方面都会存在一些不足之处。模糊数学方法、神经网络方法和反卷积方法基于全谱分析，所需要的粒子数量多、所需测量时间长。同时神经网络方法和反卷积方法所需要的计算量大，因此不适用于实时的在线分析。
9、基于贝叶斯理论和序贯概率比检验的序贯贝叶斯核素识别方法利用放射性核素的半衰期、特征伽马射线能量和分支比三大特征，通过选取合适的先验函数和置信度，使用序贯概率比检验更新决策函数，对假设检验进行统计推断。但是该方法需要预设一些与样本相关的、实际测量过程时应属于未知量的参数，这会大大限制该方法的普适性；例如该方法由于检验模型中的时间间隔参数项，会导致该方法对高能射线在低能感兴趣区产生的康普顿坪具有很高的误报率；此外，此方法对于本底的分布采用了高斯模型，其与实际情况不相符。这导致目前已有的序贯贝叶斯方法在应用之中存在一些局限。
技术实现思路
1、为解决现有技术存在的上述问题，本发明提供了一种核素识别方法、系统及电子设备。
2、为实现上述目的，本发明提供了如下方案：
3、一种核素识别方法，包括：
4、获取射线的时间-能量信息，并基于所述射线的时间-能量信息中的能量信息确定该射线是否属于某一roi区域；
5、当该射线属于某一roi区域时，描述这一roi区域中所有的核探测事件序列；
6、基于描述后的核探测事件序列中的能量信息确定能量贝叶斯因子；
7、基于所述能量贝叶斯因子确定能量决策函数；
8、基于描述后的核探测事件序列中的时间信息确定roi区域内的时间间隔；
9、基于所述时间间隔确定时间贝叶斯因子；
10、基于所述时间贝叶斯因子确定时间决策函数；
11、联立所述能量决策函数和所述时间决策函数得到该roi区域的联合决策函数；
12、基于该roi区域所对应特征γ射线，检索该roi区域对应的潜在核素，联合检索到的核素所对应的各roi区域的联合决策函数，得到核素联合决策函数；
13、基于所述核素联合决策函数完成核素的判决和识别。
14、根据本发明提供的具体实施例，本发明公开了以下技术效果：
15、本发明基于贝叶斯因子和序贯后验概率，通过在决策函数上设定时间间隔的取值范围，而非直接给定一个预设的时间间隔参数，使得方法的普适性大大提高；根据统计特征确定roi区域内的本底概率密度函数和康普顿概率密度函数，并基于测量得到的核探测事件序列中的能量和时间间隔信息确定能量贝叶斯因子和时间贝叶斯因子，结合两个因子，核探测事件序列可以实现对康普顿坪的有效甄别和区分。在同样的识别条件下，设定相同的置信度时，本发明提供的核素识别方法可以比能谱解谱分析-特征峰匹配法更快的对放射性核素的存在和种类做出有效的识别；相比于模糊数学、神经网络核素识别方法，本发明提供的核素识别方法更具普适。
16、此外，相比现有的基于贝叶斯理论和序贯概率比检验的序贯核素识别方法，本发明提供的核素识别方法，能够显著降低误报率和漏报率，可以非常有效的识别在低能能量窗内出现的来自高能射线的康普顿粒子。
17、进一步，本发明提供了一种核素识别系统，所述系统用于实施上述提供的核素识别方法；所述系统包括：
18、射线所属区域确定模块，用于获取射线的时间-能量信息，并基于所述射线的时间-能量信息中的能量信息确定该射线是否属于某一roi区域；
19、核探测事件序列描述模块，用于当该射线属于某一roi区域时，描述这一roi区域中所有的核探测事件序列；
20、能量贝叶斯因子确定模块，用于基于描述后的核探测事件序列中的能量信息确定能量贝叶斯因子；
21、能量决策函数确定模块，用于基于所述能量贝叶斯因子确定能量决策函数；
22、roi区域时间间隔确定模块，用于基于描述后的核探测事件序列中的时间信息确定roi区域内的时间间隔；
23、时间贝叶斯因子确定模块，用于基于所述时间间隔确定时间贝叶斯因子；
24、时间决策函数确定模块，用于基于所述时间贝叶斯因子确定时间决策函数；
25、决策函数联立模块，用于联立所述能量决策函数和所述时间决策函数得到该roi区域的联合决策函数；
26、核素联合决策函数确定模块，用于基于该roi区域所对应特征γ射线，检索该roi区域对应的潜在核素，联合检索到的核素所对应的各roi区域的联合决策函数，得到核素联合决策函数；
27、核素识别模块，基于所述核素联合决策函数完成核素的判决和识别。
28、再进一步，本发明还提供了一种电子设备，该电子设备包括：
29、存储器，用于存储计算机程序；
30、处理器，与所述存储器连接，用于调取并执行所述计算机程序，以实施上述提供的核素识别方法。
31、因本发明提供的系统和电子设备实现的技术效果与上述提供的核素识别方法实现的技术效果相同，故在此不再进行赘述。
1.一种核素识别方法，其特征在于，包括：
2.根据权利要求1所述的核素识别方法，其特征在于，所述能量贝叶斯因子为：
3.根据权利要求1所述的核素识别方法，其特征在于，所述roi区域的能量决策函数为：
4.根据权利要求3所述的核素识别方法，其特征在于，在基于所述能量贝叶斯因子确定能量决策函数之后，还包括：
5.根据权利要求1所述的核素识别方法，其特征在于，所述时间贝叶斯因子为：
6.根据权利要求1所述的核素识别方法，其特征在于，所述时间决策函数为：
7.根据权利要求6所述的核素识别方法，其特征在于，在基于所述时间贝叶斯因子确定时间决策函数之后，还包括：
8.根据权利要求1所述的核素识别方法，其特征在于，在联立所述能量决策函数和所述时间决策函数得到联合决策函数之前，还包括：
9.一种核素识别系统，其特征在于，所述系统用于实施如权利要求1-8任意一项所述的核素识别方法；所述系统包括：
10.一种电子设备，其特征在于，包括：
