CN108956657A - 一种安检过程中液体识别方法及其装置 - Google Patents
一种安检过程中液体识别方法及其装置 Download PDFInfo
- Publication number
- CN108956657A CN108956657A CN201810964555.6A CN201810964555A CN108956657A CN 108956657 A CN108956657 A CN 108956657A CN 201810964555 A CN201810964555 A CN 201810964555A CN 108956657 A CN108956657 A CN 108956657A
- Authority
- CN
- China
- Prior art keywords
- liquid
- liquid container
- ray
- safety check
- container
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 307
- 238000000034 method Methods 0.000 title claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007705 chemical test Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000009738 saturating Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000009102 absorption Effects 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000003960 organic solvent Substances 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 2
- 235000017491 Bambusa tulda Nutrition 0.000 description 2
- 241001330002 Bambuseae Species 0.000 description 2
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 239000011425 bamboo Substances 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 235000019441 ethanol Nutrition 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 201000009030 Carcinoma Diseases 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000012307 MRI technique Methods 0.000 description 1
- 206010027146 Melanoderma Diseases 0.000 description 1
- 229930003316 Vitamin D Natural products 0.000 description 1
- QYSXJUFSXHHAJI-XFEUOLMDSA-N Vitamin D3 Natural products C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C/C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-XFEUOLMDSA-N 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 231100000321 erythema Toxicity 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000029264 phototaxis Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 239000005315 stained glass Substances 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- FZUJWWOKDIGOKH-UHFFFAOYSA-N sulfuric acid hydrochloride Chemical compound Cl.OS(O)(=O)=O FZUJWWOKDIGOKH-UHFFFAOYSA-N 0.000 description 1
- 238000004809 thin layer chromatography Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 235000019166 vitamin D Nutrition 0.000 description 1
- 239000011710 vitamin D Substances 0.000 description 1
- 150000003710 vitamin D derivatives Chemical class 0.000 description 1
- 229940046008 vitamin d Drugs 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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—
Abstract
本发明提供了一种安检过程中液体识别方法及其装置，其中所述方法包括：采集目标物品的X光图像；判断所述X光图像中是否包含具有液体的液体容器；若是，则获取X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；控制激光指示器直射并追踪所述实际位置坐标。本发明使安检人员根据提示快速找到该具有嫌疑的液体容器，大大提高了安检效率，避免了漏报误报的情况，从而实现被安检人员的快速通过。
Description
技术领域
本发明涉及图像处理技术领域，更具体地说，涉及一种安检过程中液体识别方法及其装置。
背景技术
安全检查是对施工项目贯初安全生产法律法规的情况、安全生产状况、劳动条件、事故隐患等所进行的检查，其主要内容包括查思想、查制度直机械设备、查安全卫生设施、查安全教育及培训、查生产人员行为、在防护用品施工、查伤亡事故处理等。
X射线是由于原子中的电子在能量相差悬殊的两个能级之间的跃迁而产生的粒子流，是波长介于紫外线和γ射线之间的电磁波。其波长很短约介于0.01～100埃之间。由德国物理学家W.K.伦琴于1895年发现，故又称伦琴射线。x射线具有很高的穿透本领，能透过许多对可见光不透明的物质，如墨纸、木料等。这种肉眼看不见的射线可以使很多固体材料发生可见的荧光，使照相底片感光以及空气电离等效应。X射线最初用于医学成像诊断和X射线结晶学。X射线也是游离辐射等这一类对人体有危害的射线。
目前，现有的安检识别方法中，只能通过安检人员通过肉眼观察基于X光技术所得到的X光图像，以判断是否存在装有液体的液体容器，如果有的话进行进一步的检测，但是当所要检测物品过多时，则避免不了的由于肉眼观察所造成的漏报误报的情况，大大降低了安检效率，增加了安检时间，不利于被安检人员的快速通过。
发明内容
有鉴于此，本发明提供一种安检过程中液体识别方法及其装置以解决现有技术的不足。
为解决上述问题，本发明提供一种安检过程中液体识别方法，包括：
基于X光成像技术采集目标物品的X光图像；
通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
若是，则获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
优选地，所述“通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器”包括：
通过预先训练的X光液体识别模型对所述X光图像中的物品特征对应的不同的目标物品进行定位，获得定位区；
对所述定位区进行边缘检测和重叠区预测，得到每个定位区对应的包含有目标物品的图像的轮廓线；
根据所述轮廓线，截取所述X光图像中所包含的每个所述目标物品的最小截图；
通过X光液体识别模型对每个所述最小截图进行识别，判断所述X光图像中的每一个所述最小截图是否包含具有液体的液体容器。
优选地，所述“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”之后，还包括：
根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本；
根据MRI磁共振成像技术，对所述液体样本进行检测，判断所述液体样本是否为纯水；
若所述液体样本为纯水，则生成一与所述液体容器对应的纯水检测标签，以便于根据所述纯水检测标签提示该液体容器中为纯水；
若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测。
优选地，所述“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”和所述“根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本”之间，还包括：
通过图像采集装置，根据所述实际位置坐标对所述液体容器进行图像采集，获得所述液体容器对应的嫌疑物品图像；并且，通过红外温度传感器获取所述液体容器的表面温度；
对所述嫌疑物品图像进行图像识别，判断所述液体容器是否为透明容器；
若所述液体容器为透明容器，则对该透明的所述液体容器内的液体进行紫外波长扫描，得到第一波长扫描图；
提取所述嫌疑物品图像中的液体容器的液体容器特征；所述液体容器特征包括容器透明度、液体颜色、液体容量；
在所述“若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测”之后，还包括：
在所述检测报告中加入所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征。
优选地，所述“在所述检测报告中加入所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征”之后，还包括：
对所述液体样本进行紫外波长扫描，得到第二波长扫描图；
若所述第二波长扫描图与所述第一波长扫描图匹配，则基于所述第二波长扫描图对所述液体样本进行OD值获取，并在所述检测报告中加入所述OD值。
优选地，所述“基于X光成像技术采集目标物品的X光图像”之后，还包括：
对所述X光图像进行预处理；
所述预处理包括平滑处理、中值滤波和对比度增强处理。
此外，为解决上述问题，本发明还提供一种安检过程中液体识别装置，包括：采集模块、判断模块、定位模块和指示模块；
所述采集模块，用于基于X光成像技术采集目标物品的X光图像；
所述判断模块，用于通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
所述定位模块，用于获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
所述指示模块，用于控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
此外，为解决上述问题，本发明还提供一种用户终端，包括存储器以及处理器，所述存储器用于存储安检过程中液体识别程序，所述处理器运行所述安检过程中液体识别程序以使所述用户终端执行如上述所述安检过程中液体识别方法。
此外，为解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有安检过程中液体识别程序，所述安检过程中液体识别程序被处理器执行时实现如上述所述安检过程中液体识别方法。
本发明提供的一种安检过程中液体识别方法及其装置。其中，本发明所提供的方法包括：基于X光成像技术采集目标物品的X光图像；通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；若是，则获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。本发明通过利用预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器，进而在识别后，对包含有液体的液体容器进行定位，获得当前实际位置坐标，并通过激光指示器对该液体容器进行追踪指示，以提示安检人员进行核验。本发明通过X射线照射技术和图像识别技术相结合，实现了对于需要安检的物品的自动识别，从而确认其中存在的具有液体的液体容器，并通过激光指示器进行对其的跟踪指示，可通过图像识别快速定位具有嫌疑的液体容器，并且使安检人员根据提示快速找到该具有嫌疑的液体容器，大大提高了安检效率，避免了漏报误报的情况，从而实现被安检人员的快速通过。
附图说明
图1为本发明安检过程中液体识别方法实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明安检过程中液体识别方法第一实施例的流程示意图；
图3为本发明安检过程中液体识别方法第二实施例的流程示意图；
图4为本发明安检过程中液体识别方法第三实施例的流程示意图；
图5为本发明安检过程中液体识别方法第四实施例的流程示意图；
图6为本发明安检过程中液体识别装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面详细描述本发明的实施例，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的终端的硬件运行环境的结构示意图。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单元比如键盘、遥控器，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。此外，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据接口控制程序、网络连接程序以及安检过程中液体识别程序。
本发明提供的一种安检过程中液体识别方法及其装置。其中，所述方法实现了对于包含的目标区域的视频流中的关键帧的智能定位，从而可根据标签确定视频流中包含有定位帧的时间戳，并获得视频流中的定位帧的轮廓线以及轮廓线坐标，从而可进一步的根据更新后的标签进行方便的对视频流的编辑，定位效率高、时间短速度快，为监管人员的工作带来了方便。
实施例1：
参照图2，本发明第一实施例提供一种安检过程中液体识别方法，包括：
步骤S10，基于X光成像技术采集目标物品的X光图像；
需要说明的是，X射线又称伦琴射线，它是肉眼看不见的一种射线，但可使某些化合物产生荧光或使照相底片感光；它在电场或磁场中不发生偏转，能发生反射、折射、干涉、衍射等；它具有穿透物质的本领，但对不同物质它的穿透本领不同；能使分子或原子电离；有破坏细胞作用，人体不同组织对于X射线的敏感度不同，受损害程度也不同。因此，X射线能使人体在荧屏上或胶片上形成影像，是基于人体组织有密度和厚度的差别。由于存在这种差别，当X线透过人体各种不同组织结构时，它被吸收的程度不同，所以到达荧屏或胶片上的X线的量有差异。在荧屏或X射线片上形成黑白对比不同的影像。因此，X射线一发现就在医疗上显示了巨大的应用价值，几个星期后，医学家就应用X射线准确地显示了人体断骨的位置。随着时间的推移，X射线已经成为现代医疗中不可缺少的设备。
在本实施例中，利用X光成像技术，应用于无损安全检查领域，例如机场、火车站、汽车站、电影院、展览展会、国内外会议等重要场所的安全检查。对于被安检人员所持有的物品进行基于X光成像技术，有助于在对于检测样本数量庞大的物品进行快速检查，以快速找出目标物品中具有液体的液体容器。
步骤S20，通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
上述，需要说明的是，人工神经网络(Artificial Neural Network，即ANN)，是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。
上述，基于人工神经网络技术，对X光液体识别模型进行训练，从而得到经过预先训练的模型，并对所采集到的X光图像进行识别，判断图像中，是否包含有液体容器，并且该液体容器中包含有液体。
步骤S30，若是，则获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
如果包含有具有液体的液体容器，则获得所述液体容器在图像中的坐标，并映射于实际的目标物品中，找到当前实际位置坐标。
步骤S40，控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
上述，开启激光指示器，根据所得到的当前实际位置坐标进行直射，由于可能在目标物品放置于传送带上，处于移动状态，所以根据图像识别技术，基于其当前实际位置坐标的移动，通过激光指示器追踪该液体容器，以提示安检人员对其进行进一步的核验。
本实施例通过利用预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器，进而在识别后，对包含有液体的液体容器进行定位，获得当前实际位置坐标，并通过激光指示器对该液体容器进行追踪指示，以提示安检人员进行核验。本实施例通过X射线照射技术和图像识别技术相结合，实现了对于需要安检的物品的自动识别，从而确认其中存在的具有液体的液体容器，并通过激光指示器进行对其的跟踪指示，可通过图像识别快速定位具有嫌疑的液体容器，并且使安检人员根据提示快速找到该具有嫌疑的液体容器，大大提高了安检效率，避免了漏报误报的情况，从而实现被安检人员的快速通过。
实施例2：
参照图3，本发明第二实施例提供一种安检过程中液体识别方法，基于上述图2所示的第一实施例，所述步骤S20，“通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器”包括：
步骤S21，通过预先训练的X光液体识别模型对所述X光图像中的物品特征对应的不同的目标物品进行定位，获得定位区；
上述，X光图像可能包含有多个不同的目标物品。例如，待识别的物品为一行李箱，行李箱中放有大量旅客的个人物品；或者待识别的物品为一竹筐，竹筐中放有一些杂物。则通过预先训练的X光液体识别模型对所采集的X光图像中的物品特征对应的不同的目标物品进行定位，得到定位区。
上述，物品特征，为X光图像中所包含的多种物品所对应的特征，例如，形状特征、文理特征等等。
在本实施例中，步骤S21可以包括：
获取图像中的物品特征，根据所述物品特征进行匹配，根据匹配结果进行分类，从而将图像中的物品根据类别划分为不同区域；
根据不同的区域，获取区域对应的定位区。
步骤S22，对所述定位区进行边缘检测和重叠区预测，得到每个定位区对应的包含有目标物品的图像的轮廓线；
上述，根据图像识别技术总的边缘检测，对每个物品的边缘进行确定，并且，由于物品过多时会出现重叠现象，基于神经网络模型，预测其重叠区域的物品，从而得到每一个可确定的定位区所包含有的目标物品的图像的轮廓线。
步骤S23，根据所述轮廓线，截取所述X光图像中所包含的每个所述目标物品的最小截图；
步骤S24，通过X光液体识别模型对每个所述最小截图进行识别，判断所述X光图像中的每一个所述最小截图是否包含具有液体的液体容器。
上述，根据轮廓线进行截图，得到包含目标物品的最小截图，将待识别图像中的每一个目标物品对应的图像，转换为包含目标物品的最小截图，进而对于该最小截图进行识别和判断，从而大大降低了高质量图片对于系统资源的占用和浪费；同时，每个最小截图进行单独的识别和定位，使系统进行多线程的识别工作，大大提高了工作效率。
实施例3：
参照图4，本发明第三实施例提供一种安检过程中液体识别方法，基于上述图2所示的第一实施例，所述步骤S40，“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”之后，还包括：
步骤S50，根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本；
上述，在对包含有液体的液体容器进行通过激光指示器的定位后，可通过自动取样器，或人工进行取样，将所取的液体样本放置于磁共振检测管中，进行进一步的测试。其中，自动取样器，可以为包括有穿刺头和进样管的设备，与MRI设备相连接，当需要进行进一步检测时，自动控制穿刺头对指定位置进行穿刺取样，从而得到液体样本。
步骤S60，根据MRI磁共振成像技术，对所述液体样本进行检测，判断所述液体样本是否为纯水；
需要说明的是，MRI也就是磁共振成像，英文全称是：Magnetic ResonanceImaging。经常为人们所利用的原子核有：1H、11B、13C、17O、19F、31P。在这项技术诞生之初曾被称为核磁共振成像，到了20世纪80年代初，作为医学新技术的NMR成像(NMR Imaging)一词越来越为公众所熟悉。随着大磁体的安装，有人开始担心字母“N”可能会对磁共振成像的发展产生负面影响。另外，“nuclear”一词还容易使医院工作人员对磁共振室产生另一个核医学科的联想。因此，为了突出这一检查技术不产生电离辐射的优点，同时与使用放射性元素的核医学相区别，放射学家和设备制造商均同意把“核磁共振成像术”简称为“磁共振成像(MRI)”。
磁共振成像是断层成像的一种，它利用磁共振现象从人体中获得电磁信号,并重建出人体信息。1946年斯坦福大学的Flelix Bloch和哈佛大学的Edward Purcell各自独立的发现了核磁共振现象。磁共振成像技术正是基于这一物理现象。磁共振成像技术与其它断层成像技术(如CT)有一些共同点，比如它们都可以显示某种物理量(如密度)在空间中的分布；同时也有它自身的特色，磁共振成像可以得到任何方向的断层图像，三维体图像，甚至可以得到空间－波谱分布的四维图像。
在本实施例中，通过利用MRI技术，对待测的液体样本进行快速检测，通过匀场、照射，从而测定出液体的性质，从而判断出是否为纯水。
步骤S70，若所述液体样本为纯水，则生成一与所述液体容器对应的纯水检测标签，以便于根据所述纯水检测标签提示该液体容器中为纯水；
步骤S80，若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测。
上述，如果液体样本为纯水，则构建一标签，对应关联与该液体样本，以提示安检人员根据标签进行确定，对液体样本进行排除嫌疑，确定为纯水。如果检测后不为纯水，则生成检测报告。该检测报告针对于有一定嫌疑的物品所生成的，例如，不为纯水的液体等。并且，为报告建立标签，生成提示信息，提示安检人员对该液体进行进一步的理化检测。
例如，如果需要对液体进行定性，可通过薄层色谱点样，从而确定样本是否为易燃易爆的液体，或者通过GC-MS，确定该液体是否为腐蚀性的硫酸盐酸等等。
实施例4：
参照图5，本发明第四实施例提供一种安检过程中液体识别方法，基于上述图4所示的第三实施例，所述步骤S40，“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”和步骤S50，所述“根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本”之间，还包括：
步骤S90，通过图像采集装置，根据所述实际位置坐标对所述液体容器进行图像采集，获得所述液体容器对应的嫌疑物品图像；并且，通过红外温度传感器获取所述液体容器的表面温度；
上述，图像采集装置，可以为设置在可对目标物品进行图像采集的位置的摄像头。在获取到液体容器的实际位置坐标后，可通过摄像头，对该物品进行图像采集，获得嫌疑物品图象，进而通过红外温度传感器进行获取其外表面的温度。一部分有机溶剂，在放置过程中，尤其是运动过程中，会由于混合或发生反应产生一定的热量，例如硫酸、水和乙醇或甲醇，等等，为了获知其中是否存在不稳定的液体，排除隐患，所以需要对其表面温度进行获取。
步骤S100，对所述嫌疑物品图像进行图像识别，判断所述液体容器是否为透明容器；
上述，通过图像识别，从而判断液体容器是否为透明容器。
其中，通过图像识别可对物品是否为透明或半透明物品进行判断，例如，转换为图像灰度直方图，进而对半透明或透明物体的灰度直方图进行特征分析，其中可利用直方图数据的平滑算法、三次样条差值算法、目标识别方法等等算法进行识别。
步骤S110，若所述液体容器为透明容器，则对该透明的所述液体容器内的液体进行紫外波长扫描，得到第一波长扫描图；
上述，需要说明的是，uv是Ultravioletray或Ultravioletradiation的缩写，是由德国科学家里特发现的，紫外线是电磁波谱中波长从100—400nm(纳米)辐射的总称。
其中UVA波长在320-390nm，又称为长波黑斑效应紫外线。它有很强的穿透力，可以穿透大部分透明的玻璃以及塑料。日光中含有的长波紫外线有超过98％能穿透臭氧层和云层到达地球表面，UVA可以直达肌肤的真皮层，破坏弹性纤维和胶原蛋白纤维，将我们的皮肤晒黑。360nm波长的UVA紫外线可能符合昆虫类的趋光性反应曲线，还有待科学家进一步研究。300-420nm波长的UVA紫外线可透过完全截止可见光的特殊着色玻璃灯管，仅辐射出以365nm为中心的近紫外光，可用于矿石鉴定、舞台装饰、验钞等场所。
UVB波长在280-320nm，又称为中波红斑效应紫外线。中等穿透力，它的波长较短的部分会被透明玻璃吸收，日光中含有的中波紫外线大部分被臭氧层所吸收，只有不足2％能到达地球表面，在夏天和午后会特别强烈。UVB紫外线对人体具有红斑作用，能促进体内矿物质代谢和维生素D的形成，但长期或过量照射会令皮肤晒黑，并引起红肿脱皮。紫外线保健灯、植物生长灯发出的就是使用特殊透紫玻璃(不透过254nm以下的光)和峰值在300nm附近的荧光粉制成。
UVC波长在280nm以下，又称为短波灭菌紫外线。它的穿透能力最弱，无法穿透大部分的透明玻璃及塑料。日光中含有的短波紫外线几乎被臭氧层完全吸收。短波紫外线对人体的伤害很大，短时间照射即可灼伤皮肤，长期或高强度照射还会造成皮肤癌。紫外线杀菌灯发出的就是UVC短波紫外线。
UVD波段，波长100～200nm，又称为真空紫外线。
UVV波长在390nm以上。
波长扫描的原理就是在一个波长范围内，对样品进行测量，反映的是样品在不同波长下的吸光度值。操作时需设定测量方式，即测定的是T还是A，然后是测量范围，样品的测定范围，然后是扫描波长，设定样品需要扫描的波长范围是从哪儿到哪儿。其次有扫描间隔，扫描间隔指的是仪器每隔多少纳米对样品进行测量，比如1nm为扫描间隔，则仪器从设定的起始波长开始，每隔1nm对样品进行取值，然后将各点连起来就是所需的图象。由于，不同的液体或试剂，具有不同的紫外吸收，具有不同的OD值(紫外吸收值)，所以通过紫外波长扫描，可获得波长扫描图，进而获知该样本的最大吸收波长。
步骤S120，提取所述嫌疑物品图像中的液体容器的液体容器特征；所述液体容器特征包括容器透明度、液体颜色、液体容量；
上述，液体容器特征中，可以包含有容器透明度、液体颜色、液体容量等特征，是通过图像识别所获得的。
其中，还可以包括，样品容器的外观特征，例如，标签、颜色、体积、材质等等，从而进一步可通过比对获知其是否为市售的饮料产品、有标签的有机溶剂等等，并可通过比对，判断该容器的原有目的是什么容器，例如，是否为有机溶剂瓶，是否为酒瓶，是否为饮料瓶等等，从而为进一步的对于液体的预判提供一定的线索，实现快速检测。
在所述步骤S80，“若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测”之后，还包括：
步骤S130，在所述检测报告中加入所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征。
上述，更新检测报告，将所或得到的数据信息，包括所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征，加入该检测报告中。
步骤S140，对所述液体样本进行紫外波长扫描，得到第二波长扫描图；
上述，该液体样本为对于原有液体容器中取样后所得到的样本，并对其进行紫外去按波长扫描，得到第二波长扫描图。
步骤S150，若所述第二波长扫描图与所述第一波长扫描图匹配，则基于所述第二波长扫描图对所述液体样本进行OD值获取，并在所述检测报告中加入所述OD值。
上述，第一波长扫描图和第二波长扫描图，由于浓度或温度的影响，可能存在不完全相同但可匹配的情况，即其最大吸收不会改变，可判定该样本的正确性，即该样本确定为从液体容器中取出。通过将第一波长扫描图和第二波长扫描图进行匹配，从而确定液体的关联性，提高了进一步检测的准确度，防止误检或漏检。
进而在最大吸收下，获取一次该样本的OD值。并将该值更新入检测报告中。从而为对于该液体的检测提供了大量有参考意义的理化参数检测，可进一步提高检测效率，为被安检人员的快速通过提供了方便。
进一步的，所述步骤S10，“基于X光成像技术采集目标物品的X光图像”之后，还包括：
步骤S160，对所述X光图像进行预处理；所述预处理包括平滑处理、中值滤波和对比度增强处理。
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。
上述，平滑处理，即数字图像处理中，当像元放大后，图像的边界就会出现锯齿状，经过增加像元内插处理，加大像元分辨率，使图像细化，即平滑化处理。图像处理还有其它方法如，密度分割，反差增强。
上述，对比度增强是将图像中的亮度值范围拉伸或压缩成显示系统指定的亮度显示范围，从而提高图像全部或局部的对比度。输入图像中的每个亮度值通过一定的转换函数，对应于输出图像的一个显示值。
通过平滑、中值滤波和对比度增强，使所采集到的X光图像在进一步的进行识别过程中，排除干扰，更加快速的进行识别和定位。
此外，参考图6，为解决上述问题，本发明还提供一种安检过程中液体识别装置，包括：采集模块10、判断模块20、定位模块30和指示模块40；
所述采集模块10，用于基于X光成像技术采集目标物品的X光图像；
所述判断模块20，用于通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
所述定位模块30，用于获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
所述指示模块40，用于控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
此外，为解决上述问题，本发明还提供一种用户终端，包括存储器以及处理器，所述存储器用于存储安检过程中液体识别程序，所述处理器运行所述安检过程中液体识别程序以使所述用户终端执行如上述所述安检过程中液体识别方法。
此外，为解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有安检过程中液体识别程序，所述安检过程中液体识别程序被处理器执行时实现如上述所述安检过程中液体识别方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种安检过程中液体识别方法，其特征在于，包括：
基于X光成像技术采集目标物品的X光图像；
通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
若是，则获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
2.如权利要求1所述安检过程中液体识别方法，其特征在于，所述“通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器”包括：
通过预先训练的X光液体识别模型对所述X光图像中的物品特征对应的不同的目标物品进行定位，获得定位区；
对所述定位区进行边缘检测和重叠区预测，得到每个定位区对应的包含有目标物品的图像的轮廓线；
根据所述轮廓线，截取所述X光图像中所包含的每个所述目标物品的最小截图；
通过X光液体识别模型对每个所述最小截图进行识别，判断所述X光图像中的每一个所述最小截图是否包含具有液体的液体容器。
3.如权利要求1所述安检过程中液体识别方法，其特征在于，所述“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”之后，还包括：
根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本；
根据MRI磁共振成像技术，对所述液体样本进行检测，判断所述液体样本是否为纯水；
若所述液体样本为纯水，则生成一与所述液体容器对应的纯水检测标签，以便于根据所述纯水检测标签提示该液体容器中为纯水；
若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测。
4.如权利要求3所述安检过程中液体识别方法，其特征在于，所述“控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置”和所述“根据所述激光指示器所标示出的当前实际位置坐标，对所述液体容器中的液体进行取样，得到液体样本”之间，还包括：
通过图像采集装置，根据所述实际位置坐标对所述液体容器进行图像采集，获得所述液体容器对应的嫌疑物品图像；并且，通过红外温度传感器获取所述液体容器的表面温度；
对所述嫌疑物品图像进行图像识别，判断所述液体容器是否为透明容器；
若所述液体容器为透明容器，则对该透明的所述液体容器内的液体进行紫外波长扫描，得到第一波长扫描图；
提取所述嫌疑物品图像中的液体容器的液体容器特征；所述液体容器特征包括容器透明度、液体颜色、液体容量；
在所述“若所述液体样本不为纯水，则生成检测报告，并为所述检测报告建立与所述液体容器对应的非纯水检测标签，并生成一提示信息，以根据所述非纯水检测标签提示所述液体容器中不为纯水，进而根据所述提示信息对所述液体容器中的液体进行理化检测”之后，还包括：
在所述检测报告中加入所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征。
5.如权利要求4所述安检过程中液体识别方法，其特征在于，所述“在所述检测报告中加入所述嫌疑物品图像、所述第一波长扫描图、所述液体容器的外表温度和液体容器特征”之后，还包括：
对所述液体样本进行紫外波长扫描，得到第二波长扫描图；
若所述第二波长扫描图与所述第一波长扫描图匹配，则基于所述第二波长扫描图对所述液体样本进行OD值获取，并在所述检测报告中加入所述OD值。
6.如权利要求1所述安检过程中液体识别方法，其特征在于，所述“基于X光成像技术采集目标物品的X光图像”之后，还包括：
对所述X光图像进行预处理；
所述预处理包括平滑处理、中值滤波和对比度增强处理。
7.一种安检过程中液体识别装置，其特征在于，包括：采集模块、判断模块、定位模块和指示模块；
所述采集模块，用于基于X光成像技术采集目标物品的X光图像；
所述判断模块，用于通过预先训练的X光液体识别模型判断所述X光图像中是否包含具有液体的液体容器；
所述定位模块，用于获取所述X光图像中的所述液体容器的在图像中的X光图坐标，并将所述X光图坐标映射于所述目标物品的液体容器，获得当前实际位置坐标；
所述指示模块，用于控制激光指示器直射并追踪所述实际位置坐标，以便于标示出所述当前实际位置坐标对应的具有液体的所述液体容器的位置。
8.一种用户终端，其特征在于，包括存储器以及处理器，所述存储器用于存储安检过程中液体识别程序，所述处理器运行所述安检过程中液体识别程序以使所述用户终端执行如权利要求1-6中任一项所述安检过程中液体识别方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有安检过程中液体识别程序，所述安检过程中液体识别程序被处理器执行时实现如权利要求1-6中任一项所述安检过程中液体识别方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964555.6A CN108956657A (zh) | 2018-08-23 | 2018-08-23 | 一种安检过程中液体识别方法及其装置 |
| PCT/CN2019/070037 WO2020037935A1 (zh) | 2018-08-23 | 2019-01-02 | 一种安检过程中液体识别方法及其装置 |
| CN201910614342.5A CN110186940B (zh) | 2018-08-23 | 2019-07-09 | 安检识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964555.6A CN108956657A (zh) | 2018-08-23 | 2018-08-23 | 一种安检过程中液体识别方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108956657A true CN108956657A (zh) | 2018-12-07 |
Family
ID=64473927
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810964555.6A Pending CN108956657A (zh) | 2018-08-23 | 2018-08-23 | 一种安检过程中液体识别方法及其装置 |
| CN201910614342.5A Active CN110186940B (zh) | 2018-08-23 | 2019-07-09 | 安检识别方法、装置、计算机设备和存储介质 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910614342.5A Active CN110186940B (zh) | 2018-08-23 | 2019-07-09 | 安检识别方法、装置、计算机设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (2) | CN108956657A (zh) |
| WO (1) | WO2020037935A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109975885A (zh) * | 2019-03-28 | 2019-07-05 | 上海中通吉网络技术有限公司 | 一种快递违禁物品识别方法及安检系统 |
| WO2020037935A1 (zh) * | 2018-08-23 | 2020-02-27 | 深圳码隆科技有限公司 | 一种安检过程中液体识别方法及其装置 |
| CN113552118A (zh) * | 2021-07-15 | 2021-10-26 | 海口市骨科与糖尿病医院(上海市第六人民医院海口骨科与糖尿病医院) | 一种手术器械包内指示卡的检测方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008676B (zh) * | 2019-12-27 | 2022-07-12 | 哈尔滨工业大学 | 一种安检方法及安检系统 |
| CN111383197A (zh) * | 2020-03-16 | 2020-07-07 | 浙江大华技术股份有限公司 | 一种安检机显示不同图像的方法及装置 |
| CN111612089A (zh) * | 2020-05-29 | 2020-09-01 | 浙江大华技术股份有限公司 | 一种在安检机中危险品的标注方法及设备 |
| CN114162551B (zh) * | 2020-09-11 | 2023-02-24 | 同方威视技术股份有限公司 | 用于安检系统的判图任务控制方法与安检系统 |
| CN113435543B (zh) * | 2021-07-22 | 2024-04-09 | 湖南声迅科技有限公司 | 一种基于传送带标识的可见光和x光图像匹配方法及装置 |
| CN116095428A (zh) * | 2021-11-04 | 2023-05-09 | 中国联合网络通信集团有限公司 | 图像采集装置 |
| CN114539586B (zh) * | 2022-04-27 | 2022-07-19 | 河南银金达新材料股份有限公司 | 一种聚合物膜的表面处理生产和检测工艺 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998033063A1 (en) * | 1997-01-24 | 1998-07-30 | Quanta Vision | Device for determining composition and structure of objects |
| JP3728257B2 (ja) * | 2002-02-18 | 2005-12-21 | アンリツ産機システム株式会社 | Ｘ線異物検出装置 |
| EP1630550A1 (en) * | 2004-08-27 | 2006-03-01 | Moller & Devicon A/S | Methods and apparatuses of detecting foreign particles or faults in a plurality of filled containers |
| DE102004060610A1 (de) * | 2004-12-16 | 2006-06-29 | Yxlon International Security Gmbh | Anordnung zum Messen des Impulsübertragungsspektrums von elastisch gestreuten Röntgenquanten sowie Verfahren zur Bestimmung dieses Impulsübertragungsspektrums |
| CN102565107B (zh) * | 2007-10-05 | 2014-08-27 | 清华大学 | 液态物品检查方法和设备 |
| CN101943761B (zh) * | 2010-09-12 | 2012-09-05 | 上海英迈吉东影图像设备有限公司 | 一种x射线检测方法 |
| GB2538730B (en) * | 2015-05-26 | 2020-07-08 | Process Vision Ltd | Detecting the presence of liquid in a pressurised gas pipeline |
| CN106885813B (zh) * | 2015-12-16 | 2019-06-07 | 清华大学 | 检查货物的方法、系统和装置 |
| CN108303747B (zh) * | 2017-01-12 | 2023-03-07 | 清华大学 | 检查设备和检测枪支的方法 |
| CN106950232A (zh) * | 2017-04-12 | 2017-07-14 | 北京君和信达科技有限公司 | 辐射检查方法和辐射检查系统 |
| CN107051675B (zh) * | 2017-05-20 | 2018-09-21 | 陈锦灿 | 一种用于垃圾分类粉碎的装置及其控制方法 |
| CN107271467A (zh) * | 2017-07-26 | 2017-10-20 | 公安部第三研究所 | 一种基于x射线透视和散射技术的危险液体识别方法及系统 |
| CN107741433A (zh) * | 2017-09-26 | 2018-02-27 | 天津工业大学 | 一种基于神经网络物体分析的液体检测方法 |
| CN108288279A (zh) * | 2018-01-25 | 2018-07-17 | 盛视科技股份有限公司 | 一种基于x光图像前景目标提取的物品甄别方法 |
| CN108198227A (zh) * | 2018-03-16 | 2018-06-22 | 济南飞象信息科技有限公司 | 基于x光安检机图像的违禁品智能识别方法 |
| CN108956657A (zh) * | 2018-08-23 | 2018-12-07 | 深圳码隆科技有限公司 | 一种安检过程中液体识别方法及其装置 |
-
2018
- 2018-08-23 CN CN201810964555.6A patent/CN108956657A/zh active Pending
-
2019
- 2019-01-02 WO PCT/CN2019/070037 patent/WO2020037935A1/zh active Application Filing
- 2019-07-09 CN CN201910614342.5A patent/CN110186940B/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020037935A1 (zh) * | 2018-08-23 | 2020-02-27 | 深圳码隆科技有限公司 | 一种安检过程中液体识别方法及其装置 |
| CN109975885A (zh) * | 2019-03-28 | 2019-07-05 | 上海中通吉网络技术有限公司 | 一种快递违禁物品识别方法及安检系统 |
| CN113552118A (zh) * | 2021-07-15 | 2021-10-26 | 海口市骨科与糖尿病医院(上海市第六人民医院海口骨科与糖尿病医院) | 一种手术器械包内指示卡的检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110186940B (zh) | 2021-09-24 |
| WO2020037935A1 (zh) | 2020-02-27 |
| CN110186940A (zh) | 2019-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108956657A (zh) | 一种安检过程中液体识别方法及其装置 | |
| Edalat-Javid et al. | Cardiac SPECT radiomic features repeatability and reproducibility: A multi-scanner phantom study | |
| EP2977793B1 (en) | Methods and devices for inspecting liquid | |
| Maggipinto et al. | DTI measurements for Alzheimer’s classification | |
| Richiardi et al. | Classifying minimally disabled multiple sclerosis patients from resting state functional connectivity | |
| US11653890B2 (en) | Systems and methods for image acquisition | |
| US20230210477A1 (en) | Positron emission tomography imaging system and method | |
| CN109938764A (zh) | 一种基于深度学习的自适应多部位扫描成像方法及其系统 | |
| Wetter | Imaging in airport security: Past, present, future, and the link to forensic and clinical radiology | |
| CN106485268A (zh) | 一种图像识别方法及装置 | |
| Scopélitis et al. | The next step in shallow coral reef monitoring: Combining remote sensing and in situ approaches | |
| CN107407638A (zh) | 细胞分泌特征的分析和筛选 | |
| US8254656B2 (en) | Methods and system for selective resolution improvement in computed tomography | |
| CN109978892A (zh) | 一种基于太赫兹成像的智能安检方法 | |
| US20100266185A1 (en) | Malignant tissue recognition model for the prostate | |
| CN105181959A (zh) | 一种免疫层析试条定量检测装置及方法 | |
| CN104207778A (zh) | 一种基于静息态功能磁共振成像技术的心理健康检测方法 | |
| GB2490254A (en) | System and method for detecting contraband | |
| Kay et al. | Identification of high-risk left ventricular hypertrophy on calcium scoring cardiac computed tomography scans: validation in the DHS | |
| US20120269385A1 (en) | Systems and methods for object imaging | |
| Liu et al. | Detection of heterogeneity in multi-spectral transmission image based on spatial pyramid matching model and deep learning | |
| Mendes et al. | Radioactive hot-spot localisation and identification using deep learning | |
| Ghose et al. | Substitute CT generation from a single ultra short time echo MRI sequence: preliminary study | |
| Zeng et al. | An attention-based deep learning model for predicting microvascular invasion of hepatocellular carcinoma using an intra-voxel incoherent motion model of diffusion-weighted magnetic resonance imaging | |
| Gong et al. | Smartphone platform based on gelatin methacryloyl (GelMA) combined with deep learning models for real-time monitoring of food freshness |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181207 |