[发明专利]一种基于FPGA和深度学习的毫米波成像危险物品检测方法在审
| 申请号： | 201811293069.2 | 申请日： | 2018-11-01 |
| 公开（公告）号： | CN109447071A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 刘晓光;余开;张月皓 | 申请（专利权）人： | 博微太赫兹信息科技有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 合肥昊晟德专利代理事务所(普通合伙) 34153 | 代理人： | 王林 |
| 地址： | 230088 安徽*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于FPGA和深度学习的毫米波成像危险物品检测方法，获取毫米波成像图片，标识出图片中的危险物品；构建检测危险物品的深度学习网络模型，利用标注好的毫米波成像图片进行模型训练，得到训练好的检测模型；将训练好的检测模型加载到FPGA平台的检测系统中；使用FPGA检测待测的毫米波图像；利用训练好的检测模型对采集的待测的毫米波图像进行检测；如果待测的图像中含有危险物品，则标记危险物品类别，进行报警，同时标记危险物品的不规则轮廓位置坐标。基于FPGA平台利用Mask R‑CNN物体检测框架训练出来的深度神经网络模型进行实时异物检测；相对于专用集成电路芯片有更好的功能可定制性优势。 | ||
| 搜索关键词： | 危险物品 毫米波成像 检测 毫米波图像 专用集成电路芯片 神经网络模型 不规则轮廓 检测系统 可定制性 模型加载 模型训练 网络模型 位置坐标 物体检测 异物检测 构建 学习 标注 图片 报警 采集 图像 | ||
【主权项】：
1.一种基于FPGA和深度学习的毫米波成像危险物品检测方法，其特征在于，包括以下步骤：(1)获取毫米波成像图片，标识出图片中的危险物品；(2)构建检测危险物品的深度学习网络模型，利用标注好的毫米波成像图片进行模型训练，得到训练好的检测模型；(3)将训练好的检测模型加载到FPGA平台的检测系统中；(4)使用FPGA检测待测的毫米波图像；(5)利用训练好的检测模型对采集的待测的毫米波图像进行检测；(6)如果待测的图像中含有危险物品，则标记危险物品类别，进行报警，同时标记危险物品的不规则轮廓位置坐标。
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博微太赫兹信息科技有限公司，未经博微太赫兹信息科技有限公司许可，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/201811293069.2/，转载请声明来源钻瓜专利网。
