快速、 准确检测酒醅酸度, 可显著提高白酒出酒率和成品酒品质。 近红外光谱(NIR)提供了分子的倍频和合频, 即有机物中含氢基团(C-H、 N-H、 O-H)的振动信息, 通常用于样品中含氢化合物的定性和定量分析。 采用NIR能简单、 迅速的测定酒醅酸度, 克服了传统化学分析方法检测周期长、 试剂消耗大、 人为误差等不足。 由于NIR是一种间接分析技术, 如何建立校正模型是准确检测酒醅酸度的关键。 作为深度学习中的典型模型, 卷积神经网络(CNN)具有局部区域连接, 分享权值等优点, 不仅能从复杂的光谱数据中提取关键特征, 还能减少网络模型的复杂度。 因此, 提出基于CNN和NIR的酒醅酸度定量分析方法, 以某酒企生产线中采集的545个酒醅样本光谱数据作为研究对象, 采用标准正态变换(SNV)、 Savitzky-Golay (SG）滤波和一阶求导（1stD）三种算法相结合对原始光谱进行预处理; 利用无信息变量消除法(UVE)选择光谱数据的特征波长; 使用CNN建立酒醅酸度模型。 结果表明: (1)对光谱数据进行预处理后, 消除了原始光谱中的基线偏移, 噪声等问题; 经过预处理后的光谱数据模型相较于原始光谱建模, 预测集决定系数提升了22.85%, 预测集均方根误差降低了0.049 5, 提高了酒醅酸度与光谱反射率的相关性。 (2)对光谱数据进行波长筛选后所建立的模型相较于全波段建模, 预测集决定系数提升了2.04%, 预测集均方根误差降低了0.004 8。 (3)基于CNN建立的酸度预测模型, 预测集决定系数为0.955 5, 预测集均方根误差为0.039 1。 相较于偏最小二乘回归模型, 预测集决定系数提升了1.03%, 预测集均方根误差降低了0.097 6; 相较于反向传播神经网络模型, 预测集决定系数提升了1.16%, 预测集均方根误差降低了0.099 4。 该方法可实现对酒醅酸度的快速、 准确测量, 为后续酒醅酸度在线检测提供方法支撑。

在使用能量色散X射线荧光光谱仪定量分析钼铜矿中低含量Cu和Mo元素过程中, X光管的原级谱对测量结果影响非常大。 为了降低这一影响, 采用蒙特卡洛软件模拟了用Ag, Cu和Mo, Ti三种材质的滤片, 在不同厚度情况下对原级谱的影响。 模拟结果显示, 1 mm Ti滤片测铜钼元素效果优于0.2 mm Ag滤片、 0.02 mm Cu和0.1 mm Mo滤片。 根据模拟结果, 在实验室用三种滤片对样品进行了实测, 谱线图对比显示, 用Cu+Mo作滤片测钼元素时, 本底计数大于200, 用Ag和Ti作滤片测钼元素, 几乎没有本底影响。 但相同的样品, 用Ti作滤片测得钼最高计数为800左右, 而用Ag作滤片时测得钼最高计数为300左右。 由此可见, 用Ti作滤片测钼元素时, X光管原级谱对被测量元素的干扰影响小, 其本底低于用银滤片和铜钼滤片。 Ti滤片在降低本底影响的同时, 钼的计数率最高, 说明射线强度损失最少。 用Cu+Mo作滤片测铜元素时, 铜最高计数为300, 用Ag作滤片时铜最高计数为180左右, 而用Ti作滤片铜最高计数为500左右。 由此可见, 在铜元素含量较低时, 用Ti作滤片测铜元素, 铜的计数率最高, 射线强度损失最少。 通过公式计算显示: 用1 mm Ti滤片测钼铜矿中铜的检出限为5.63 mg·kg-1, 钼的检出限为1.39 mg·kg-1, 检出限明显降低。 采用不同含量的标准样品进行测量与化学分析拟合, 通过工作曲线可见, 高、 低含量的样品均具有良好的线性关系, 误差水平符合正常化学分析误差标准, R2为0.99及以上, 说明1 mm Ti滤片测量精密度高。 同一个样品进行多次重复测量, 其Cu元素的RSD(%)=0.59, Mo元素的RSD(%)=0.3, 均小于1, 表明仪器测量稳定性好, 样品测试结果具有重现性。 研究结果为使用能量色散X射线荧光光谱仪测定钼铜矿中的钼和铜滤光片的选择及其厚度的确定提供了可信的依据, 推荐选用1 mm Ti滤片。 经过实际现场的检验。 该方法稳定可靠, 具有重要的实际应用价值。

基于放射性废物桶内所含介质材料和放射性核素分段均匀分布的假设, 采用蒙特卡罗程序模拟计算多种射线能量、多种样品密度条件下的线衰减系数和体源探测效率, 通过多元非线性拟合得到以线衰减系数和能量为自变量的体源探测效率函数。基于壳源法, 通过多个点源组合测试近似替代均匀体源的实验测量, 对3种能量射线和3种密度的样品进行验证实验, 利用蒙卡模拟与数值拟合结合方法和实验测量两种方式获得各自的体源探测效率, 完成活度估算。两种方式活度估算结果相对误差均小于23%。通过蒙卡模拟与数值拟合结合方法所得结果与实验结果基本吻合, 证明了该方法的有效性。

随着核工业发展和放射性同位素的广泛应用, 产生大量中、低放射性废物。中、低放射性废物长期贮存前要对放射性废物的核素种类、活度等进行测量。分层γ扫描(SGS)测量技术是一种无损检测桶装核废物的手段, 但是在测量过程中会遇到放射性核素所在的位置变化, 则相对衰减距离、效率刻度不对应, 导致估计活度结果误差较大。本工作首先将当前层平均分成12份分别进行计数, 并通过实验和蒙特卡罗模拟方法, 记录以均匀聚乙烯样品填充对废物桶径向不同偏心位置的探测器的计数。由12个位置的探测器计数得到两个最值, 并根据γ射线在样品中衰减规律计算得到放射性核素距桶轴的距离, 从而确定放射性核素在当前层的位置。结果表明: 此方法可求出放射性核素所在的位置从而估计点源在桶内旋转半径, 对应使用该旋转半径下的自吸收校正因子、探测效率和衰减校正效率, 提高了SGS估计的精度。

采用蒙特卡罗程序MCNP建立物理模型, 对井型高纯锗探测器的效率进行虚拟刻度。模拟计算在密度为0.4, 1.2 g·cm-3的6种不同成分环境样品中, 探测器对γ射线的探测效率, 当能量高于0.10 MeV时, 体源样品的探测效率主要与样品密度、γ射线能量相关。以土壤、水和植物油样品为代表, 结合所选取的函数模型, 确定了密度范围0.1~1.6 g·cm-3的固体源、密度1.0 g·cm-3的水溶液和密度0.92 g·cm-3的油溶液体源的效率函数及参数。实验采用标准源, 对探测效率模拟结果进行了验证, 探测效率的模拟值与实验值符合较好, 二者误差均在3%以内。说明MCNP程序可以较为准确地模拟计算井型高纯锗探测器对γ射线的探测效率, 验证了该无源效率刻度方法的准确性和可行性。

采用Matlab数据拟合方法及数值计算方法给出校正后的衰减距离。通过Monte-Carlo模拟密度为1.0 g/cm3的聚乙烯材料均匀填充的放射性废物桶，在7个不同的旋转圆周上每隔30°模拟一次探测器计数，得到137Cs点源在桶内7个不同旋转半径上旋转一周的探测器计数，以贡献率较大的部分区域计算给出校正后的平均衰减距离。实验结果显示，通过此方法得到的活度相对误差在0.6%~25.2%之间，相对于传统以桶半径为固定衰减距离计算的结果（相对误差11.8%~209.9%），误差得到明显降低。说明此方法对提高核废物桶中点源活度估计的准确度是有效的。

针对放射性物质异常泄漏、防范核材料的非法转移和任意携带，提出一种基于单探头中子/伽马甄别能谱仪系统，实现敏感控制区中特殊核材料和放射性物质的监测。围绕核信号获取与数字化采集、辐射射线粒子甄别与能谱分析，开展基于FPGA与EJ299-33A的核数据采集电路设计、核信号处理算法设计和Matlab中子/伽马鉴别与能谱离线分析方法等关键技术研究。设计上位机软件实时处理辐射能谱数据，为正确做出应急预案提供数据参考。利用新型探测器和分型频谱数学模型在FPGA内部实现射线种类甄别，有效地解决了采用传统老式探测器和模拟电路的方法鉴别困难的问题，验证了分型频谱法在核信号处理上具有一定的可行性。开发完成集放射性种类判定、核素识别于一体的多功能集成中子/伽马探测器，在中子/伽马的混合辐射场中，既能实现射线甄别又能测量能谱，解决在复杂放射性环境中对不同射线种类的能谱分析和核素识别问题。