CN109188533B - 一种电子设备的探测方法、装置和设备 - Google Patents
一种电子设备的探测方法、装置和设备 Download PDFInfo
- Publication number
- CN109188533B CN109188533B CN201810804519.3A CN201810804519A CN109188533B CN 109188533 B CN109188533 B CN 109188533B CN 201810804519 A CN201810804519 A CN 201810804519A CN 109188533 B CN109188533 B CN 109188533B
- Authority
- CN
- China
- Prior art keywords
- magnetic flux
- preset
- carrier
- time interval
- electronic equipment
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 230000004907 flux Effects 0.000 claims abstract description 138
- 238000012706 support-vector machine Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims 1
- 239000002184 metal Substances 0.000 abstract description 12
- 229910052751 metal Inorganic materials 0.000 abstract description 12
- 239000000969 carrier Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明实施例提供一种电子设备的探测方法、装置和设备，通过基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。该方法、装置和设备仅基于支持向量机模型对磁通量数据序列的分析来判断载体是否携带有电子设备，能充分区分电子设备和普通金属物品，提高检测精度，并有效降低检测成本。
Description
技术领域
本发明实施例涉及安全检测技术领域，更具体地，涉及一种电子设备的探测方法、装置和设备。
背景技术
安检门是一种检测人员有无携带金属物品的探测装置，安检门在很多场合得到了广泛的应用，例如，机场、地铁、车站等场所。
目前，安检门主要通过两种探测方式实现对金属物品的检测，一种是比较常见的探测方法，这种方法通过电磁场对金属的感应原理来对金属物品进行探测和报警，例如，机场、地铁、车站等场所大多使用这种检测方法；另外一种是采用非线性节点探测技术，这种技术通过一个发射端和一个接收端，发射端向目标区域发射高频基波，接收端接收目标区域内物品反射的二次谐波和三次谐波，通过分析基波发射之后，谐波的变化规律，能够有效的探测出金属物品，并由单片机系统检测并触发报警并显示。
然而，在某些特殊的场合，往往需要禁止电子设备的进入，例如手机等等。基于上述第一种探测方法的安检门，虽然能够探测金属物品，但是无法区分电子产品和普通金属物品，导致无法做出精确的检测，基于上述第二种探测技术的安检门，虽然能有效区分电子产品和普通金属物品，但是成本过高。
发明内容
为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种电子设备的探测方法、装置和设备。
本发明实施例提供一种电子设备的探测方法，包括：基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
其中，基于磁通量传感器获取预设时段内的磁通量数据序列之前，还包括：基于红外传感器确定载体通过预设通道的通行时刻，红外传感器设于预设通道的两侧；将通行时刻之前的第一时刻和通行时刻之后的第二时刻之间的时段作为预设时段，其中，第一时刻与通行时刻的时间间隔为第一预设时间间隔，第二时刻与通行时刻的时间间隔为第二预设时间间隔。
其中，基于磁通量传感器获取预设时段内的磁通量数据序列，包括：在预设时段内每隔第三预设时间间隔获取每一磁通量传感器采集的磁通量数据；将获取的每一磁通量传感器采集的磁通量数据组成一个数据序列；基于数据序列中的数据变化幅度对所有数据序列进行排序，选取数据变化幅度从大到小的排序中排序前预设数量个数据序列作为预设时段内的磁通量数据序列。
其中，将磁通量数据序列输入到已确定参数值的支持向量机模型之前，还包括：获取背景基值，背景基值为无电子设备处在距离预设通道的预设距离范围内时，基于磁通量传感器获取的磁通量数据；基于背景基值，对磁通量数据序列去背景基值处理。
其中，支持向量机模型的参数值的确定步骤，包括：获取带标签的多组磁通量数据序列作为样本集，在样本集中选取训练集对支持向量机模型进行训练；在样本集中选取测试集对支持向量机模型进行测试，基于测试结果确定第一参数值和第二参数值，第一参数值为测试结果中第一类误报率最低时支持向量机模型对应的参数值，第二参数值为测试结果中第二类误报率最低时支持向量机模型对应的参数值，第一类误报率为载体未携带电子设备判断为载体携带电子设备对应的误报率，第二类误报率为载体携带电子设备判断为载体未携带电子设备对应的误报率；根据探测需求将第一参数值或者第二参数值作为支持向量机模型的参数值。
其中，将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果之后，还包括：若确定判断结果为载体携带有电子设备，则发出提示信息。
本发明实施例提供一种电子设备的探测装置，包括：获取模块，用于基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；判断模块，用于将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
本发明实施例提供一种电子设备的探测设备，包括：至少一个处理器、至少一个存储器和通信总线；其中：处理器与存储器通过通信总线完成相互间的通信；存储器存储有可被处理器执行的程序指令，处理器调用程序指令以执行上述方法。
本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机程序，该计算机程序使计算机执行上述的方法。
本发明实施例提供的一种电子设备的探测方法、装置和设备，通过基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。该方法、装置和设备仅基于支持向量机模型对磁通量数据序列的分析来判断载体是否携带有电子设备，能充分区分电子设备和普通金属物品，提高检测精度，并有效降低检测成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的电子设备的探测方法的流程图；
图2为根据本发明实施例的电子设备的探测装置的示意图；
图3为根据本发明实施例的电子设备的探测设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种电子设备的探测方法，参考图1，包括：S11，基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；S12，将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
具体地，在实际用应用中，某些场景需要禁止电子设备的进入，特别是多媒体设备，例如手机、平板电脑等等，因此需要对进入这些场景的可能携带电子设备的载体进行探测，这些场景通常会设置预设通道，以供载体(例如人员)通过，并在载体通过预设通道时进行探测。电子设备不同于普通金属，电子设备中有各种类型的电子器件，电子器件中的各类线圈在有电流的情况下会造成周围磁通量的变化，即使在没有电流的情况下，也会影响地球磁场，导致周围磁通量的变化，因此，本实施例通过对载体穿过预设通道的过程中预设通道周围磁通量的变化来判断载体是否携带有电子设备，本实施例通过设置在预设通道周围的磁通量传感器来采集磁通量数据。由于电子设备对周围磁通量的影响范围有限，本实施例仅在可能携带电子设备的载体处在一定位置范围内时，通过磁通量传感器采集磁通量数据，这个影响范围可通过限制获取磁通量传感器采集的磁通量数据的预设时段来限制，在预设时段内，载体在距离预设通道的该影响范围(该影响范围可预先设定为预设距离范围)内运动。预设时段内获取的磁通量传感器采集的磁通量数据不止一个，将预设时段内获取的磁通量数据组成磁通量数据序列。
支持向量机模型(Support Vector Machine，SVM)是常见的一种判别模型。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。通过设置支持向量机模型的参数值，可实现对特定数据特征进行分析，从而达到识别、分类的目的。针对磁通量数据序列的特点来确定支持向量机模型的参数值，将磁通量数据序列输入到已确定参数值的支持向量机模型，即可获得对载体是否携带有电子设备的判断结果。
本实施例的电子设备的探测方法仅基于支持向量机模型对磁通量数据序列的分析来判断载体是否携带有电子设备，能充分区分电子设备和普通金属物品，提高检测精度，并有效降低检测成本。
基于以上实施例，基于磁通量传感器获取预设时段内的磁通量数据序列之前，还包括：基于红外传感器确定载体通过预设通道的通行时刻，红外传感器设于预设通道的两侧；将通行时刻之前的第一时刻和通行时刻之后的第二时刻之间的时段作为预设时段，其中，第一时刻与通行时刻的时间间隔为第一预设时间间隔，第二时刻与通行时刻的时间间隔为第二预设时间间隔。
具体地，预设时段是用来限制磁通量数据的获取时间，以保证输入到支持向量机模型的磁通量数据序列能对支持向量机模型起到有效的判断作用。本实施例中，通过设置于预设通道的两侧的红外传感器确定载体通过预设通道的通行时刻，该通行时刻实际上为载体接触红外传感器发射的红外信号的接触时刻。可通过接触时刻(即通行时刻)来确定预设时段。可将通行时刻之前的第一时刻和通行时刻之后的第二时刻之间的时段作为预设时段，其中，第一时刻与通行时刻的时间间隔为第一预设时间间隔，第二时刻与通行时刻的时间间隔为第二预设时间间隔。
磁通量传感器设于预设通道的周围，可设于一个竖直面内，红外传感器所在的竖直面与磁通量传感器所在的竖直面可能重合，可能相距一段距离，根据载体的运动方向和红外传感器所在的竖直面与磁通量传感器所在的竖直面之间的间距，可确定第一预设时间间隔和第二预设时间间隔，使得在预设时段的中间时刻时，载体所在的位置处在磁通量传感器所在的竖直面上，以使预设时段为最佳的磁通量数据获取时段。
例如，磁通量传感器所在的竖直面在红外传感器所在的竖直面前方0.5m，假设载体的运动速度为1m/s，则可将第一预设时间间隔设为0.3s，第二预设时间间隔设为1.3s，预设时段为载体触发红外信号的触发时刻的前0.3s到出发时刻的后1.3s，预设时段共1.6s，而自触发时刻起，经过0.5s刚好到达磁通量传感器所在的竖直面，这个时刻与开始获取磁通量的时刻之间相差0.8s，与结束获取磁通量的时刻之间相差0.8s，正好是预设时段的中间时刻。
基于以上实施例，基于磁通量传感器获取预设时段内的磁通量数据序列，包括：在预设时段内每隔第三预设时间间隔获取每一磁通量传感器采集的磁通量数据；将获取的每一磁通量传感器采集的磁通量数据组成一个数据序列；基于数据序列中的数据变化幅度对所有数据序列进行排序，选取数据变化幅度从大到小的排序中排序前预设数量个数据序列作为预设时段内的磁通量数据序列。
具体地，磁通量传感器的数量可以有多个，在预设时段内，每隔第三预设时间间隔获取每一磁通量传感器采集的磁通量数据，例如，第三预设时间间隔可选取0.001s，每一磁通量传感器每秒可提供1000个磁通量数据，将预设时段内获取的每一磁通量传感器采集的磁通量数据组成一个数据序列，例如，如果有12个磁通量传感器，则获得12组数据序列。丢弃其中数据变化幅度较小的数据序列，可减少数据处理量，将数据变化幅度从大到小的排序中排序前预设数量个数据序列作为预设时段内的磁通量数据序列，输入到支持向量机模型，例如预设数量可选取两个。
基于以上实施例，将磁通量数据序列输入到已确定参数值的支持向量机模型之前，还包括：获取背景基值，背景基值为无电子设备处在距离预设通道的预设距离范围内时，基于磁通量传感器获取的磁通量数据；基于背景基值，对磁通量数据序列去背景基值处理。
具体地，背景基值为没有电子设备影响的情况下空间中的磁通量，获取的基于磁通量传感器采集的磁通量数据中，包含了背景基值部分，背景基值部分可能检测精度产生不良影响，本实施例对磁通量数据序列去背景基值处理，即将磁通量数据序列中的每一磁通量数据减去对应的背景基值。背景基值可通过如下方法取得：多个未携带电子设备的测试人员通过预设通道，获取各自对应的预设时段内每一磁通量传感器采集的磁通量数据，求均值后获得预设时段内的背景基值。
基于以上实施例，支持向量机模型的参数值的确定步骤，包括：获取带标签的多组磁通量数据序列作为样本集，在样本集中选取训练集对支持向量机模型进行训练；在样本集中选取测试集对支持向量机模型进行测试，基于测试结果确定第一参数值和第二参数值，第一参数值为测试结果中第一类误报率最低时支持向量机模型对应的参数值，第二参数值为测试结果中第二类误报率最低时支持向量机模型对应的参数值，第一类误报率为载体未携带电子设备判断为载体携带电子设备对应的误报率，第二类误报率为载体携带电子设备判断为载体未携带电子设备对应的误报率；根据探测需求将第一参数值或者第二参数值作为支持向量机模型的参数值。
具体地，在已知载体是否携带电子设备的情况下，逐一让载体通过预设通道，分别获取载体通过预设通道时在对应的预设时段内的磁通量数据序列，这些磁通量数据序列作为带标签的样本集，在样本集中选取训练集对支持向量机模型进行训练。对于训练后的支持向量机模型，在样本集中选取测试集对支持向量机模型进行测试，测试结果可分为两类，分别对应两种应用场景，一类是测试结果中第一类误报率最低，另一类是测试结果中第二类误报率最低，其中，第一类误报率为载体未携带电子设备判断为载体携带电子设备对应的误报率，第二类误报率为载体携带电子设备判断为载体未携带电子设备对应的误报率。两类测试结果分别有对应的第一参数值和第二参数值，根据应用场景的需求，例如，某些场景必须严格禁止电子设备的进入，则可以选择第二参数值作为支持向量机模型的参数值，完全杜绝电子设备进入场景的可能，而对于一些场合，对于电子设备的进入场合的禁止程度不太高，则可选择第一参数值作为支持向量机模型的参数值，以保证不会对未携带电子设备的人员的误判，避免给进入场景的人员带来不必要的困扰。
例如，支持向量机模型可选择径向基函数(RBF)作为核函数，径向基函数的表达式为：
K(x,y)＝exp(-γ||x-y||2),γ＞0
其中，γ为核参数。
惩罚因子和核参数作为支持向量机模型的两个参数值，通过测试后可确定第一参数值中的惩罚因子取5，核参数取1，第二参数值中的惩罚因子取5，核参数取0.7，对应的两种测试结果如表1所示。
对测试集用支持向量机模型在分别选取两种参数值的情况下进行探测均取得了很不错的效果，准确率均达到了99.4％，对非极端情况下的探测效果也有100％与98.78％的准确率。同时在载体通过门体中间线时，探测的准确率达到了了100％，均可满足实际应用。
表1支持向量机模型取两种参数值分别对应的测试结果
基于以上实施例，将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果之后，还包括：若确定判断结果为载体携带有电子设备，则发出提示信息。提示信息包括语音报警或者文字报警等等，有助于通知工作人员实时处理。
本发明实施例还提供一种电子设备的探测装置，参考图2，包括：获取模块21和判断模块22，其中：
获取模块21，用于基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；
判断模块22，用于将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
本发明实施例的装置，可用于执行图1所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例还提供一种电子设备的探测设备，参考图3，包括：至少一个处理器31、至少一个存储器32和通信总线33；其中：处理器31与存储器32通过通信总线33完成相互间的通信；存储器32存储有可被处理器31执行的程序指令，处理器31调用程序指令以执行上述各方法实施例所提供的方法，例如包括：基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
本发明实施例还提供一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，该计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
本发明实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机程序，该计算机程序使该计算机执行上述各方法实施例所提供的方法，例如包括：基于磁通量传感器获取预设时段内的磁通量数据序列，其中，预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于预设通道周围，预设通道位于载体的运动路径上；将磁通量数据序列输入到已确定参数值的支持向量机模型，输出对载体是否携带有电子设备的判断结果。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过计算机程序指令相关的硬件来完成，前述的计算机程序可以存储于一计算机可读取存储介质中，该计算机程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种电子设备的探测方法，其特征在于，包括：
基于磁通量传感器获取预设时段内的磁通量数据序列，其中，所述预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于所述预设通道周围，所述预设通道位于所述载体的运动路径上；
将所述磁通量数据序列输入到已确定参数值的支持向量机模型，输出对所述载体是否携带有电子设备的判断结果；
其中，所述基于磁通量传感器获取预设时段内的磁通量数据序列之前，还包括：
基于红外传感器确定所述载体通过所述预设通道的通行时刻，所述红外传感器设于所述预设通道的两侧；
将所述通行时刻之前的第一时刻和所述通行时刻之后的第二时刻之间的时段作为所述预设时段，其中，所述第一时刻与所述通行时刻的时间间隔为第一预设时间间隔，所述第二时刻与所述通行时刻的时间间隔为第二预设时间间隔。
2.根据权利要求1所述的方法，其特征在于，所述基于磁通量传感器获取预设时段内的磁通量数据序列，包括：
在所述预设时段内每隔第三预设时间间隔获取每一磁通量传感器采集的磁通量数据；
将获取的每一磁通量传感器采集的磁通量数据组成一个数据序列；
基于数据序列中的数据变化幅度对所有数据序列进行排序，选取数据变化幅度从大到小的排序中排序前预设数量个数据序列作为所述预设时段内的磁通量数据序列。
3.根据权利要求1所述的方法，其特征在于，所述将所述磁通量数据序列输入到已确定参数值的支持向量机模型之前，还包括：
获取背景基值，所述背景基值为无电子设备处在距离所述预设通道的预设距离范围内时，基于磁通量传感器获取的磁通量数据；
基于所述背景基值，对所述磁通量数据序列去背景基值处理。
4.根据权利要求1所述的方法，其特征在于，所述支持向量机模型的参数值的确定步骤，包括：
获取带标签的多组磁通量数据序列作为样本集，在所述样本集中选取训练集对所述支持向量机模型进行训练；
在所述样本集中选取测试集对所述支持向量机模型进行测试，基于测试结果确定第一参数值和第二参数值，所述第一参数值为测试结果中第一类误报率最低时所述支持向量机模型对应的参数值，所述第二参数值为测试结果中第二类误报率最低时所述支持向量机模型对应的参数值，所述第一类误报率为载体未携带电子设备判断为载体携带电子设备对应的误报率，所述第二类误报率为载体携带电子设备判断为载体未携带电子设备对应的误报率；
根据探测需求将所述第一参数值或者所述第二参数值作为所述支持向量机模型的参数值。
5.根据权利要求1所述的方法，其特征在于，所述将所述磁通量数据序列输入到已确定参数值的支持向量机模型，输出对所述载体是否携带有电子设备的判断结果之后，还包括：
若确定所述判断结果为所述载体携带有电子设备，则发出提示信息。
6.一种电子设备的探测装置，其特征在于，包括：
获取模块，用于基于磁通量传感器获取预设时段内的磁通量数据序列，其中，所述预设时段为载体在运动过程中距离预设通道在预设距离范围内所处的时段，每一磁通量传感器设于所述预设通道周围，所述预设通道位于所述载体的运动路径上；
判断模块，用于将所述磁通量数据序列输入到已确定参数值的支持向量机模型，输出对所述载体是否携带有电子设备的判断结果；
其中，所述电子设备的探测装置，还用于基于红外传感器确定所述载体通过所述预设通道的通行时刻，所述红外传感器设于所述预设通道的两侧；
将所述通行时刻之前的第一时刻和所述通行时刻之后的第二时刻之间的时段作为所述预设时段，其中，所述第一时刻与所述通行时刻的时间间隔为第一预设时间间隔，所述第二时刻与所述通行时刻的时间间隔为第二预设时间间隔。
7.一种电子设备的探测设备，其特征在于，包括：
至少一个处理器、至少一个存储器和通信总线；其中：
所述处理器与所述存储器通过所述通信总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行如权利要求1至5任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810804519.3A CN109188533B (zh) | 2018-07-20 | 2018-07-20 | 一种电子设备的探测方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810804519.3A CN109188533B (zh) | 2018-07-20 | 2018-07-20 | 一种电子设备的探测方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109188533A CN109188533A (zh) | 2019-01-11 |
| CN109188533B true CN109188533B (zh) | 2020-08-14 |
Family
ID=64936897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810804519.3A Active CN109188533B (zh) | 2018-07-20 | 2018-07-20 | 一种电子设备的探测方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109188533B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114415246B (zh) * | 2022-03-29 | 2022-06-24 | 科大天工智能装备技术（天津）有限公司 | 一种基于机器学习的地下金属物体的定位方法及系统 |
| CN117609881B (zh) * | 2023-11-29 | 2024-04-30 | 阿童木(广州)智能科技有限公司 | 一种基于人工智能的金属重叠检测方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819045A (zh) * | 2011-06-07 | 2012-12-12 | 喜利得股份公司 | 探测传导性的物体的方法和装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102593172B1 (ko) * | 2016-10-05 | 2023-10-24 | 삼성전자 주식회사 | 루프 안테나를 갖는 전자 장치 |
| US8195395B2 (en) * | 2009-09-06 | 2012-06-05 | The United States Of America As Represented By The Secretary Of Commerce | System for monitoring, determining, and reporting directional spectra of ocean surface waves in near real-time from a moored buoy |
| US9928425B2 (en) * | 2012-06-20 | 2018-03-27 | Apstec Systems Usa Llc | Methods and systems for non-cooperative automatic security screening in crowded areas |
| CN103257181B (zh) * | 2013-05-24 | 2015-08-26 | 中国矿业大学 | 一种高速运动状态下金属板材缺陷检测装置与方法 |
| CN204116622U (zh) * | 2014-09-22 | 2015-01-21 | 石家庄于栋电子科技有限公司 | 新型安检门 |
| CN106441064B (zh) * | 2016-11-02 | 2020-01-31 | 广东百合医疗科技股份有限公司 | 一种通过磁缝测量位移的方法及其设备 |
| CN206270508U (zh) * | 2016-12-28 | 2017-06-20 | 宁波市鄞州磁泰电子科技有限公司 | 一种金属探测装置 |
-
2018
- 2018-07-20 CN CN201810804519.3A patent/CN109188533B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819045A (zh) * | 2011-06-07 | 2012-12-12 | 喜利得股份公司 | 探测传导性的物体的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109188533A (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108121984B (zh) | 一种字符识别方法及装置 | |
| US10511998B1 (en) | System and method for identifying false short message service (SMS) delivery reports | |
| CN104538041B (zh) | 异常声音检测方法及系统 | |
| CN109188533B (zh) | 一种电子设备的探测方法、装置和设备 | |
| CN103530562A (zh) | 一种恶意网站的识别方法和装置 | |
| CN111738263A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN110992305A (zh) | 基于深度学习和多目标跟踪技术的包裹计数方法及系统 | |
| CN105488031B (zh) | 一种检测相似短信的方法及装置 | |
| CN108877172B (zh) | 一种错误报警分析方法、装置及终端设备 | |
| CN108717519B (zh) | 一种文本分类方法及装置 | |
| CN106649221A (zh) | 重复文本的检测方法及装置 | |
| Wang et al. | Detecting unitary synaptic events with machine learning | |
| CN112528690A (zh) | 非接触式物品材质和形状识别方法、存储介质及计算设备 | |
| CN115984780B (zh) | 工业固体废物出入库判别方法、装置、电子设备及介质 | |
| CN114741690A (zh) | 网络安全监测方法、装置、设备及计算机存储介质 | |
| Lin et al. | The short-time fourier transform based WiFi human activity classification algorithm | |
| WO2019028599A1 (zh) | 基于人工智能的图形商标可注册性判断的方法及装置 | |
| Lampart et al. | Dynamical properties of partial-discharge patterns | |
| CN113722485A (zh) | 一种异常数据识别分类方法、系统及存储介质 | |
| Oh et al. | A Study on the Determination of Cable Defective Products for Smart Factory | |
| KR101466819B1 (ko) | 전자 소자 탐지 장치 및 그 방법 | |
| CN118068434A (zh) | 物体分类方法、设备、系统以及存储介质 | |
| US20240302325A1 (en) | Non-invasive liquid detection method based on acoustic wave features and apparatus thereof | |
| CN115331092B (zh) | 基于神经网络的违禁品位置探测方法、装置、设备及介质 | |
| CN109991668B (zh) | 一种多媒体设备检测方法、装置和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |