在地质及油气勘探中,通过钻探采集深层岩芯样品进行放射性测量对深部矿产资源及油气资源开发具有重要意义。现场低本底伽玛能谱测量可以在现场实现对岩芯样品中放射性核素的定性识别与定量分析,与传统的实验室分析方法相比可以极大地提高工作效率。本论文围绕现场多路低本底伽玛能谱自动化测量系统的硬件控制和测量需求,设计开发与之配套的控制与测量分析软件,具有重要的研究意义与应用价值。取得的主要研究成果如下:1)开发了现场多路伽玛能谱测量控制软件,采用WLAN通信技术,实现了对多路伽玛能谱测量单机的控制和能谱测量数据的获取;2)研究训练了包括决策树、K-Means、KNN、DBSCAN、贝叶斯、SVM、BP神经网络和卷积神经网络等多种机器学习模型,建立了基于集成分类器的核素识别模型。3)结合集成分类器核素识别模型,研究优化了传统能谱解析算法,实现了对样品中放射性核素的定性与定量分析。4)建立标准核素数据库,包括所有进行γ衰变的放射性核素的相关信息,诸如分支比、能量、半衰期等,在满足集成分类器进行核素识别的同时,可为操作人员提供相关核素的信息作为参考。