陈欣南
- 作品数：27 被引量：3H指数：1
- 供职机构：中国原子能科学研究院更多>>
- 相关领域：核科学技术电子电信理学自动化与计算机技术更多>>
- 移波光纤与光电转换元件的耦合装置及探测系统
- 本申请实施例提供一种移波光纤与光电转换元件的耦合装置及探测系统，耦合装置包括壳体以及弹性夹持件。壳体设置有插接槽以及与插接槽连通的开口，壳体位于开口相对的一侧的侧壁设置有贯穿壳体侧壁的插接通道，壳体通过插接槽与光电转换元...
- 陈欣南汤秀章高春宇陈雁南李雨芃
- 一种可充放气式漂移管密封气嘴
- 本发明属于漂移管密封技术领域，具体涉及一种可充放气式漂移管密封气嘴，包括圆柱形、内部设有空腔的气嘴外壳；气嘴外壳的一端设有扁圆形的配合端面，另一端设有与空腔连通的开口，配合端面的中心设有通孔，空腔与通孔通过气流孔连通；空...
- 汤秀章陈欣南
- 文献传递
- SiPM耦合塑料闪烁体探测器放大电路设计
- 2024年
- 为了解决硅光电倍增器(Silicon Photomultiplier,SiPM)受环境噪声影响大的问题,设计了一款SiPM耦合塑料闪烁体探测器的信号放大电路。以AD8014放大芯片和CR电路构成负反馈选通放大电路,并且与OPA657跨阻式放大电路进行对比。该款电路以RC滤波输入部分和集成运算放大器构成信号放大电路,具有快上升时间及低输入噪声;以CR高通滤波电路作为比较器信号输入能够有效防止信号反射。实验结果表明:该信号放大电路能够有效滤除环境噪声,并且具备快上升时间。将该电路与塑料闪烁体探测器耦合,在室温下对^(137)Cs源进行暗噪声水平和输出信号一致性测量,其输出脉冲上升时间小于12 ns,暗噪声水平低于30 mV,优于跨阻式放大电路。
- 唐晨阳陈欣南高春宇李雨芃王晓汤秀章
- 关键词：SIPM塑料闪烁体
- 图像重建方法、装置、电子设备及存储介质
- 本发明公开了一种图像重建方法、装置、电子设备及存储介质。其中，该方法包括：将探测区域划分为多个网格；确定每个网格中的宇宙射线粒子的散射信息和吸收信息；对散射信息和吸收信息进行加权计算，得到对应的网格的特征信息；将所有网格...
- 高春宇汤秀章陈欣南李雨芃
- γ放射性安全检测装置
- 本实用新型公开了一种γ放射性安全检测装置，该装置包括探头部分、电子学仪器部分、主机等几部分，探头部分和电子学仪器部分置于立柱内，立柱的高度与标准隔离柱高度相仿。这种改进的γ放射性安全检测装置美观大方、拆卸方便、易于布局，...
- 陈玉华王国保陈欣南张素经魏全生
- 文献传递
- 一种材料鉴别方法
- 本申请实施例提供一种材料鉴别方法，该鉴别方法通过先确定缪子穿过待测材料产生的散射角分布标准差与待测材料的辐射长度之间的关系；再采用离散能量缪子的散射角分布拟合得到标定后的近似连续能量的缪子散射角分布以及获取连续能量的缪子...
- 李雨芃汤秀章陈欣南高春宇吕建友
- 一种X射线三相流量计的防爆装置
- 本实用新型涉及一种X射线三相流量计的防爆装置。现有的X射线测量三相流量计在现场使用时，存在X射线穿不透防爆外壳而无法被探测器接收的问题。本实用新型所述的装置将X光机、准直器、探头容器、探头和测量管道置于同一防爆壳体内，以...
- 陈欣南汤秀章
- 文献传递
- γ射线3D实时成像系统的研制
- 传统的γ射线实时成像系统多是二维的,无法给出射线污染物距离探测装置的远近信息,对于前后放置的放射源不能很好地确定空间位置。3D实时成像系统借助两台扫描仪同时对现场扫描,能够得到不同视角上的射线强度分布图,再通过三角测量法...
- 陈欣南杨璐王强陈雁南范澄军王国宝
- 关键词：3D扫描
- 一种可充放气式密封漂移管端头
- 本发明属于漂移管密封技术领域，具体涉及一种可充放气式密封漂移管端头，设置在漂移管的管体(6)的端口上，包括设置在端口上、与端口密封连接的端口板(1)，端口板(1)为圆盘形，中心位置设有第一通孔，第一通孔中设置转接头(3)...
- 汤秀章陈欣南
- 文献传递
- 基于卷积神经网络的μ子散射成像材料识别方法研究
- 2023年
- 本文采用卷积神经网络的机器学习方法进行了μ子成像的材料识别,通过迭代训练数据获得最优模型并测试样品在不同测量时间下的识别准确度。在中国原子能科学研究院的μ子散射成像装置上开展了不同材料的测试实验,根据实验测量数据进行径迹重建并计算μ子的入射和散射角,构建基于卷积神经网络结构的材料识别模型进行特征提取,实现对材料的分类识别,并进一步引入残差和特征矩阵提高了材料的识别准确度。实验结果表明,对于10 cm×10 cm×10 cm的钨块,材料识别准确度在测量5 min时达到99.1%,在测量10 min时达到100.0%。这种基于卷积神经网络的方法为μ子散射成像材料识别提供了一种新途径。
- 高春宇汤秀章陈欣南范澄军陈雁南李雨芃吕建友
- 关键词：卷积神经网络
