[发明专利]危险品检测方法、装置和存储介质在审

专利信息
申请号: 201911134414.2 申请日: 2019-11-19
公开(公告)号: CN111160084A 公开(公告)日: 2020-05-15
发明(设计)人: 高强;胡成伟;洪锐锋;陈裕通;潘俊;郑嘉曦;林修杰;雷家星;卢献宇 申请(专利权)人: 广州民航职业技术学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 黎扬鹏
地址: 510403 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 危险品 检测 方法 装置 存储 介质
【说明书】:

发明公开了危险品检测方法、装置和存储介质,方法包括以下步骤:对预设数据集的图像进行预处理;对预处理后的图像进行第一卷积操作;根据第一卷积操作结果,进行第二卷积操作;将第一卷积操作结果和第二卷积操作结果进行特征融合,得到特征融合图像;根据特征融合图像,构建危险品自动检测模型;根据危险品自动检测模型,输出危险品检测结果。通过本发明提高危险品检测的实时性和准确率,提高对体积小的危险品的检测效果,使检测结果更加直观。本发明作为一种危险品检测方法、装置和存储介质,可广泛应用于检测技术领域。

技术领域

本发明涉及检测领域,尤其是一种危险品检测方法、装置和存储介质。

背景技术

安全检查(简称安检)是保障交通运输、公共场所安全的重要环节,关系着社会稳定。随着交通运输的人流量增加,对安检的要求更加严格,如何提供高质量且高效率的安检为当前需要解决的问题。目前,对乘客行李的安检还依赖于人工,将行李通过X光机,由X光机开机员进行人工识别,而由于行李的摆放角度的不同,或者物体的密度、体积不同,通过X光机得出的图像千差万别,例如即使为同一种危险品,得出的图像也不相同,因此依赖人工识别难以准确地区分出危险品。同时,如当危险品的体积较小,如子弹、打火机等,容易出现遗漏。

发明内容

有鉴于此,为了解决上述技术问题,本发明的目的是提供准确全面的危险品检测方法、装置和存储介质。

本发明采用的技术方案是:危险品检测方法,包括以下步骤:

对预设数据集的图像进行预处理;

对预处理后的图像进行第一卷积操作;

根据第一卷积操作结果,进行第二卷积操作;

将第一卷积操作结果和第二卷积操作结果进行特征融合,得到特征融合图像;

根据特征融合图像,构建危险品自动检测模型;

根据危险品自动检测模型,输出危险品检测结果;

其中,预处理包括卷积计算和/或对比度增强处理;

预设数据集的图像包括含有危险品的X射线图像,含有危险品的X射线图像中包括危险品的位置信息和种类信息;

危险品检测结果包括危险品的位置信息和种类信息。

进一步,所述对预设数据集的图像进行预处理的步骤中,包括以下步骤:

将预设数据集的图像与复小波进行卷积计算并进行多次迭代,将迭代结果与低通滤波进行卷积计算;

和/或计算预设数据集的图像的均值、方差和高频,并根据均值和方差对高频作增益乘积。

进一步,所述对预处理后的图像进行第一卷积操作以及根据第一卷积操作结果,进行第二卷积操作的步骤,具体为:

通过第一卷积层组合对预处理后的图像进行第一卷积操作;

对第一卷积操作结果进行第一池化操作;

通过第一卷积层对第一池化操作结果进行第二卷积操作;

其中,第一卷积层组合包括至少一个卷积层,第一卷积操作包括至少两次卷积操作,第一卷积层组合和第一卷积层按先后顺序设置。

进一步,所述将第一卷积操作结果和第二卷积操作结果进行特征融合,得到特征融合图像的步骤中,包括以下步骤:

将第一卷积操作结果,进行卷积计算并进行批归一化处理;

将第二卷积操作结果,进行反卷积计算和卷积计算并进行批归一化处理;

将两个批归一化处理结果进行串联操作,得到特征融合图像。

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广州民航职业技术学院,未经广州民航职业技术学院许可,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/pat/books/201911134414.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top