[发明专利]一种基于深度学习的太赫兹危险品检测方法在审
| 申请号： | 201810654761.7 | 申请日： | 2018-06-22 |
| 公开（公告）号： | CN109001833A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 张凯歌;龚亚樵;赵广州;李世龙;王虎 | 申请（专利权）人： | 天和防务技术（北京）有限公司 |
| 主分类号： | G01V8/10 | 分类号： | G01V8/10;G06F17/30;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安亿诺专利代理有限公司 61220 | 代理人： | 康凯 |
| 地址： | 100043 北京市石景山*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的太赫兹危险品检测方法，属于危险品检测方法领域，其特征在于：构建危险品样本图像数据库，将图像处理成适合训练和测试的相同大小灰度图像；训练CNN神经网络模型，生成最终网络模型并进行测试；进行危险品检测，采用太赫兹设备采集待检测物体的太赫兹图像，用CNN神经网络模型对采集的待检测物体的太赫兹图像进行检测，获得检测结果；同时将采集到的待检测物体的太赫兹图像加入危险品样本图像数据库。通过CNN神经网络直接对样本图像进行训练和学习，降低了选择网络参数的复杂度，能够直接学习样本图像数据的显著特征，因此能够解决图像分类、模式识别；提高安检人员的工作效率，减少工作人员的工作量，适用于较大人流的安检。 | ||
| 搜索关键词： | 危险品检测 待检测物体 样本图像 神经网络模型 采集 图像 危险品 安检 数据库 测试 工作效率 赫兹设备 灰度图像 检测结果 模式识别 神经网络 图像处理 图像分类 图像数据 网络模型 显著特征 选择网络 学习样本 复杂度 构建 学习 工作量 检测 | ||
【主权项】：
1.一种基于深度学习的太赫兹危险品检测方法，其特征在于：方法如下：构建危险品样本图像数据库，将危险品进行分类，搜集并标记对应的危险品；同时根据太赫兹检测危险品得到的太赫兹图像，搜集危险品的样品库，添加负样本图像，然将图像处理成适合训练和测试的相同大小灰度图像；训练CNN神经网络模型，设计和测试CNN网络模型，然后调整参数后对样本图像重新分组，交叉验证实验结果，最后生成最终网络模型并进行测试；进行危险品检测，采用太赫兹设备采集待检测物体的太赫兹图像，用CNN神经网络模型对采集的待检测物体的太赫兹图像进行检测，获得检测结果；同时将采集到的待检测物体的太赫兹图像加入危险品样本图像数据库。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天和防务技术（北京）有限公司，未经天和防务技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810654761.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种安检设备以及安检系统
- 下一篇：一种基于主动式太赫兹安检方法
