CN108830276A - 一种基于x光机图像的智能识别系统 - Google Patents
一种基于x光机图像的智能识别系统 Download PDFInfo
- Publication number
- CN108830276A CN108830276A CN201810708918.XA CN201810708918A CN108830276A CN 108830276 A CN108830276 A CN 108830276A CN 201810708918 A CN201810708918 A CN 201810708918A CN 108830276 A CN108830276 A CN 108830276A
- Authority
- CN
- China
- Prior art keywords
- ray picture
- ray
- contraband
- module
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000001537 neural effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G01V5/22—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
Abstract
本发明公开了一种基于X光机图像的智能识别系统，包括：模型构建模块，用于根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型；X光图片采集模块，用于采集包裹的X光图片；预处理模块，用于对X光图片进行预处理；识别模块，用于通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品；报警模块，用于在识别模块识别X光图片中含有违禁品时，进行安全警报。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于X光机图像的智能识别系统。
背景技术
目前，海关物流行业的安全形势越来越严峻，枪支、毒品和各种易燃易爆物品通过海关运输，从而造成重大事故的报道不绝于耳。传统海关用的X光检测基本依靠人工判别，检测速度慢，时效低，人工判别成本高，漏检率高等问题，在很大程度上制约了海关查验的工作效率，也制约了海关物流行业的发展，无法满足目前海关物流快速发展的需求，同时，这些危险品的流入流出是一种巨大的安全隐患。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于X光机图像的智能识别系统；
本发明提出的一种基于X光机图像的智能识别系统，包括：
模型构建模块，用于根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型；
X光图片采集模块，用于采集包裹的X光图片；
预处理模块，用于对X光图片进行预处理；
识别模块，用于通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品；
报警模块，用于在识别模块识别X光图片中含有违禁品时，进行安全警报。
优选地，所述模型构建模块，具体用于：
获取大量含有违禁品的X光图片作为样本；
对含有违禁品的X光图片样本进行违禁品识别，并将识别结果进行分类存储，得到训练集和测试集；
根据训练集对所述卷积神经网络进行训练，并根据测试集对训练结果进行测试，得到目标识别模型。
优选地，所述预处理模块，具体用于：
对X光图片进行倾斜校正；
将X光图片调整为预设尺寸；
对X光图片进行降噪处理。
优选地，所述报警模块，具体用于：
在识别模块识别X光图片中含有违禁品时，通过预设的声光报警器发出声光警报进行安全警报，
和/或，在识别模块识别X光图片中含有违禁品时，通过向预设终端发送推送消息进行行安全警报。
优选地，还包括数据上传模块，与识别模块连接，数据上传模块用于在识别模块识别X光图片中含有违禁品时，将X光图片上传至云服务器，由云服务器进行X光图片存储。
优选地，在云服务器中存储的X光图片数量达到预设阈值时，将云服务器中存储的X光图片作为样本对卷积神经网络进行训练。
本发明根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型，通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品，通过图像识别、机器学习和深度学习的方法，对X光图片中的危险物品进行快速的检测和判断，在检测到有问题的包裹时，通过警报提醒工作人员对包裹进行分拣和剔除，确保过检的准确性和效率，减少人为干扰并降低成本。
附图说明
图1为本发明提出的一种基于X光机图像的智能识别系统的模块示意图。
具体实施方式
参照图1，本发明提出的一种基于X光机图像的智能识别系统，包括：
模型构建模块，用于根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型，具体用于：获取大量含有违禁品的X光图片作为样本；对含有违禁品的X光图片样本进行违禁品识别，并将识别结果进行分类存储，得到训练集和测试集；根据训练集对所述卷积神经网络进行训练，并根据测试集对训练结果进行测试，得到目标识别模型。
在具体方案中，深度学习是在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。根据有无监督学习分为卷积神经网络和深度置信网络，采用构建有监督学习的卷积神经网络，根据含有违禁品的X光图片样本对卷积神经网络进行训练，使得目标识别模型能对X光图片是否包含违禁品进行识别。
X光图片采集模块，用于采集包裹的X光图片。
预处理模块，用于对X光图片进行预处理，具体用于：对X光图片进行倾斜校正；将X光图片调整为预设尺寸；对X光图片进行降噪处理。
在具体方案中，对X光图片进行倾斜校正、X光图片调整为预设尺寸和对X光图片进行降噪处理，目的是提高识别模块对X光图片进行识别的效率和准确率。
识别模块，用于通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品；
报警模块，用于在识别模块识别X光图片中含有违禁品时，进行安全警报，具体用于：通过预设的声光报警器发出声光警报进行安全警报，和/或，通过向预设终端发送推送消息进行行安全警报。
在具体方案中，通过图像识别、机器学习和深度学习的方法，对X光图片中的危险物品进行快速的检测和判断，在检测到有问题的包裹时，通过警报提醒工作人员对包裹进行分拣和剔除。
数据上传模块，与识别模块连接，数据上传模块用于在识别模块识别X光图片中含有违禁品时，将X光图片上传至云服务器，由云服务器进行X光图片存储，在云服务器中存储的X光图片数量达到预设阈值时，将云服务器中存储的X光图片作为样本对卷积神经网络进行训练。
在具体方案中，将含有违禁品的X光图片上传至云服务器，然后通过这些被识别的含有违禁品的X光图片对卷积神经网络进行训练，使得得到的目标识别模型更加完善和准确。
本实施方式根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型，通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品，通过图像识别、机器学习和深度学习的方法，对X光图片中的危险物品进行快速的检测和判断，在检测到有问题的包裹时，通过警报提醒工作人员对包裹进行分拣和剔除，确保过检的准确性和效率，减少人为干扰并降低成本。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于X光机图像的智能识别系统，其特征在于，包括：
模型构建模块，用于根据含有违禁品的X光图片样本对卷积神经网络进行训练，获得目标识别模型；
X光图片采集模块，用于采集包裹的X光图片；
预处理模块，用于对X光图片进行预处理；
识别模块，用于通过目标识别模型对预处理后的X光图片进行识别，识别X光图片中是否含有违禁品；
报警模块，用于在识别模块识别X光图片中含有违禁品时，进行安全警报。
2.根据权利要求1所述的基于X光机图像的智能识别系统，其特征在于，所述模型构建模块，具体用于：
获取大量含有违禁品的X光图片作为样本；
对含有违禁品的X光图片样本进行违禁品识别，并将识别结果进行分类存储，得到训练集和测试集；
根据训练集对所述卷积神经网络进行训练，并根据测试集对训练结果进行测试，得到目标识别模型。
3.根据权利要求1所述的基于X光机图像的智能识别系统，其特征在于，所述预处理模块，具体用于：
对X光图片进行倾斜校正；
将X光图片调整为预设尺寸；
对X光图片进行降噪处理。
4.根据权利要求1所述的基于X光机图像的智能识别系统，其特征在于，所述报警模块，具体用于：
在识别模块识别X光图片中含有违禁品时，通过预设的声光报警器发出声光警报进行安全警报，
和/或，在识别模块识别X光图片中含有违禁品时，通过向预设终端发送推送消息进行行安全警报。
5.根据权利要求1所述的基于X光机图像的智能识别系统，其特征在于，还包括数据上传模块，与识别模块连接，数据上传模块用于在识别模块识别X光图片中含有违禁品时，将X光图片上传至云服务器，由云服务器进行X光图片存储。
6.根据权利要求5所述的基于X光机图像的智能识别系统，其特征在于，在云服务器中存储的X光图片数量达到预设阈值时，将云服务器中存储的X光图片作为样本对卷积神经网络进行训练。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810708918.XA CN108830276A (zh) | 2018-07-02 | 2018-07-02 | 一种基于x光机图像的智能识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810708918.XA CN108830276A (zh) | 2018-07-02 | 2018-07-02 | 一种基于x光机图像的智能识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108830276A true CN108830276A (zh) | 2018-11-16 |
Family
ID=64133566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810708918.XA Pending CN108830276A (zh) | 2018-07-02 | 2018-07-02 | 一种基于x光机图像的智能识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108830276A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949285A (zh) * | 2019-03-12 | 2019-06-28 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的x光图像下矿石分选方法及系统 |
| CN109948565A (zh) * | 2019-03-26 | 2019-06-28 | 浙江啄云智能科技有限公司 | 一种用于邮政业的违禁品不开箱检测方法 |
| CN110163179A (zh) * | 2019-05-29 | 2019-08-23 | 浙江啄云智能科技有限公司 | 一种基于深度学习的违禁品检测识别方法、系统、设备及其存储介质 |
| CN110472502A (zh) * | 2019-07-10 | 2019-11-19 | 视联动力信息技术股份有限公司 | 视联网下危险物品图像检测的方法、装置、设备、介质 |
| CN110584802A (zh) * | 2019-09-19 | 2019-12-20 | 上海赞润微电子科技有限公司 | 一种手术器械的清点方法及系统 |
| CN113109869A (zh) * | 2021-03-30 | 2021-07-13 | 成都理工大学 | 一种页岩超声测试波形初至的自动拾取方法 |
| CN117409199A (zh) * | 2023-10-19 | 2024-01-16 | 中南大学 | 一种基于云端大数据技术的成长型智慧安检系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160097729A1 (en) * | 2014-10-07 | 2016-04-07 | Decision Sciences International Corporation | Charged particle tomography with improved momentum estimation |
| CN107133578A (zh) * | 2017-04-19 | 2017-09-05 | 华南理工大学 | 一种基于文件传输的人脸表情识别方法及系统 |
| CN107203788A (zh) * | 2017-06-20 | 2017-09-26 | 安徽大学 | 一种中级视觉毒品图像识别方法 |
| CN107341523A (zh) * | 2017-07-13 | 2017-11-10 | 浙江捷尚视觉科技股份有限公司 | 基于深度学习的快递单信息识别方法和系统 |
| CN107403488A (zh) * | 2017-06-29 | 2017-11-28 | 苏州大学 | 一种虹膜识别系统及其应用方法以及虹膜识别过程中针对不完整图像的特征值提取方法 |
| CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
-
2018
- 2018-07-02 CN CN201810708918.XA patent/CN108830276A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160097729A1 (en) * | 2014-10-07 | 2016-04-07 | Decision Sciences International Corporation | Charged particle tomography with improved momentum estimation |
| CN107133578A (zh) * | 2017-04-19 | 2017-09-05 | 华南理工大学 | 一种基于文件传输的人脸表情识别方法及系统 |
| CN107203788A (zh) * | 2017-06-20 | 2017-09-26 | 安徽大学 | 一种中级视觉毒品图像识别方法 |
| CN107403488A (zh) * | 2017-06-29 | 2017-11-28 | 苏州大学 | 一种虹膜识别系统及其应用方法以及虹膜识别过程中针对不完整图像的特征值提取方法 |
| CN107341523A (zh) * | 2017-07-13 | 2017-11-10 | 浙江捷尚视觉科技股份有限公司 | 基于深度学习的快递单信息识别方法和系统 |
| CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949285A (zh) * | 2019-03-12 | 2019-06-28 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的x光图像下矿石分选方法及系统 |
| CN109948565A (zh) * | 2019-03-26 | 2019-06-28 | 浙江啄云智能科技有限公司 | 一种用于邮政业的违禁品不开箱检测方法 |
| CN109948565B (zh) * | 2019-03-26 | 2021-05-25 | 浙江啄云智能科技有限公司 | 一种用于邮政业的违禁品不开箱检测方法 |
| CN110163179A (zh) * | 2019-05-29 | 2019-08-23 | 浙江啄云智能科技有限公司 | 一种基于深度学习的违禁品检测识别方法、系统、设备及其存储介质 |
| CN110472502A (zh) * | 2019-07-10 | 2019-11-19 | 视联动力信息技术股份有限公司 | 视联网下危险物品图像检测的方法、装置、设备、介质 |
| CN110584802A (zh) * | 2019-09-19 | 2019-12-20 | 上海赞润微电子科技有限公司 | 一种手术器械的清点方法及系统 |
| CN113109869A (zh) * | 2021-03-30 | 2021-07-13 | 成都理工大学 | 一种页岩超声测试波形初至的自动拾取方法 |
| CN117409199A (zh) * | 2023-10-19 | 2024-01-16 | 中南大学 | 一种基于云端大数据技术的成长型智慧安检系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108830276A (zh) | 一种基于x光机图像的智能识别系统 | |
| CN103065413B (zh) | 获取火灾等级信息的方法及装置 | |
| CN106503121B (zh) | 一种x光安检图像的结构化描述方法及系统 | |
| CN105574550A (zh) | 一种车辆识别方法及装置 | |
| CN206192923U (zh) | 一种基于云计算的x射线违禁品检测系统 | |
| US20240044816A1 (en) | Sorting support apparatus, sorting support system, sorting support method, and program | |
| US11429820B2 (en) | Methods for inter-camera recognition of individuals and their properties | |
| CN112712093B (zh) | 安检图像识别方法、装置、电子设备及存储介质 | |
| CN108537227A (zh) | 一种基于宽度学习和广角显微图像的商品离线鉴伪方法 | |
| CN110782670A (zh) | 基于数据融合的场景还原方法、车辆云平台及存储介质 | |
| CN112052878B (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
| CN115995119A (zh) | 基于物联网的气瓶充装环节违规行为识别方法及系统 | |
| CN111325119B (zh) | 一种安全生产的视频监控方法及系统 | |
| CN112396023A (zh) | 基于机器学习的火灾检测方法 | |
| CN111062350B (zh) | 基于人工智能烟火识别算法 | |
| CN111767902A (zh) | 安检机危险品的识别方法、装置、设备及存储介质 | |
| CN115294528A (zh) | 一种行人安全监控方法及装置 | |
| CN111091104A (zh) | 一种目标物体的防护检测方法、装置、设备及存储介质 | |
| CN105160285A (zh) | 基于立体视觉的自动人体跌倒识别方法及系统 | |
| CN108881593A (zh) | 失信号码的显示方法及装置 | |
| CN111325708B (zh) | 一种输电线路检测方法和服务器 | |
| CN111310635A (zh) | 基于TensorFlow的安检违禁品识别系统及方法 | |
| CN110992324A (zh) | 一种基于x射线图像的智能危险品检测方法及系统 | |
| CN115565137A (zh) | 一种基于改进YOLOv5的不安全行为检测与报警方法 | |
| CN109783713A (zh) | 一种动态网站分类方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |