随着核能应用及核技术的发展,潜在的核危险随之增加,这一问题已经引起全球公众的广泛关注。辐射测量技术在核安全保障中起着重要的作用。例如,在涉及核弹头不可逆销毁过程的核裁军核查中,辐射指纹可用来标识和鉴别裁减下来的核弹头。又如,辐射测量技术亦可应用于核材料及核设施的安全监测,等等。因此,研究γ辐射指纹识别技术具有重要的实际意义。每种放射性核素都有自己唯一的γ能谱,而不同放射性核素的γ能谱的特征各不相同。因此,可以把γ能谱定义核材料的“γ能谱指纹”。γ能谱指纹可利用γ能谱仪采集,并通过相关的数值分析技术进行分析。常规的γ能谱分析方法是以全能峰为研究对象,通过确定其峰位及峰面积实现对核材料的定性和定量分析。随着核技术及其应用的发展,产生了基于蒙特卡罗模拟技术的解谱方法,并得到了广泛的应用。随着核裁军中核武器核查的需要,自20世纪90年代起,俄美等国又研究开发了区分判别核武器类型的模板测量技术。本文从γ射线探测基本原理及γ能谱形成机制入手,介绍了核材料γ能谱“指纹”的概念。根据人工智能中的模式识别思想,给出了基于BP和径向基(radial basis function, RBF)人工神经网络的核材料类型识别和个体识别技术,并对两种网络进行了比较。同时,对探测距离、测量系统统计涨落等因素对识别结果的影响进行了研究和探讨。研究结果表明,BP神经网络具有一定的类型识别能力,而RBF神经网络则同时具有较强的类型识别能力和个体识别能力,而且还具有较高的识别速度。基于人工神经网络的核材料识别技术可应用于核安全保障领域。