CN112001333A - 一种基于集装箱x射线图像的智能识别方法 - Google Patents

一种基于集装箱x射线图像的智能识别方法 Download PDF

Info

Publication number
CN112001333A
CN112001333A CN202010874993.0A CN202010874993A CN112001333A CN 112001333 A CN112001333 A CN 112001333A CN 202010874993 A CN202010874993 A CN 202010874993A CN 112001333 A CN112001333 A CN 112001333A
Authority
CN
China
Prior art keywords
module
image
identification
result
entrainment
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
Application number
CN202010874993.0A
Other languages
English (en)
Inventor
陈兵
唐凯
莫奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cgn Begood Technology Co ltd
Original Assignee
Cgn Begood Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cgn Begood Technology Co ltd filed Critical Cgn Begood Technology Co ltd
Priority to CN202010874993.0A priority Critical patent/CN112001333A/zh
Publication of CN112001333A publication Critical patent/CN112001333A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开一种基于集装箱X射线图像的智能识别方法，该方法包括图像预处理模块、箱体夹带识别模块、报关比对模块、固废识别模块、车体夹带模块、结果融合模块、数据表单扭转模块实现智能识别。本发明的优点在于：在X射线图像中能够自动、高效地识别危险品、夹带品的种类和对应位置，并实现检测的高效运行。

Description

一种基于集装箱X射线图像的智能识别方法
技术领域
本发明涉及辐射成像领域中的图像识别技术，尤其涉及辐射图像中含有危险品、易燃易爆物品的识别方法。
背景技术
X射线图像即采用X射线辐射透视扫描成像技术，生成待扫描物体的灰度图像。X射线图像像素的数据类型一般为12位或16位的整数。与视频图像相比，X射线图像有图像形变大、数据收集难、物品重叠区域大、图像外型质量差等特点，从而导致X射线图像在实际工业运用中存在极大的难度。辐射成像技术广泛应用于海关车辆安全检查、医学诊断等领域。
我国海关各口岸进出口货物量增长，国际货物的集装箱运输成为现代跨国运输的主要途径。与此同时，利用集装箱、运输货车等进行走私、贩运毒品，甚至偷运武器等违法活动也日益猖獗扰乱了我国的市场经济秩序，阻碍了经济发展和边境社会安全。而我国海关、边检等部门多数还在对进出口货物采取人工检查方法，不仅影响了通关速度，也增加了漏检概率和海关人员工作强度，已远不能适应货物量的极速增长。因此，纵览当前我国海关、边检货物查验、缉私等领域的技术装备现状，显示出对高科技、自动化货物检查成套装备的迫切需求。迅速扭转边境口岸进出货物中走私、贩毒，以及各种违禁品夹带猖獗的被动局面，保障国家税源和口岸经贸秩序等已经成为制约国家政治和经济健康发展的重大社会经济问题之一。
同时随着深度学习、强化学习等AI算法的兴起，使得如何工业化运用这些算法实现X射线图像的智能识别就成为了一个研究的重要方向；如何实现高效、合理、集成化的智能识别成为当前安检提升的一个重要突破口。
发明内容
本发明的目的在于提供一种基于集装箱X射线图像的智能识别方法，实现X射线图像的智能识别。
本发明的技术方案为：本发明方法主要实现X射线图像的智能识别，包含的处理流程有：图像预处理模块、箱体夹带识别模块、报关比对模块、固废识别模块、车体夹带模块、结果融合模块、数据表单扭转模块以及输出显示模块等。
图像预处理模块用于将X射线图像进行灰度转换、降噪、车厢与车体分离等功能，实现X射线图像的预处理及分离，降低识别难度；
箱体夹带识别模块通过深度图像识别网络学习“正常物品”和“夹带物品”的图片特征，进行图像识别模型、图像分割模型、物质识别模型、图像频域分析模型的多模型结果融合，通过融合结果判断是否存在夹带及夹带物品种类，并通过数据表单扭转模块输出结果为夹带位置、置信度及夹带物品类名。
报关比对模块通过数据表单扭转模块将箱体夹带模块的识别结果进行报关单比对，并针对物品，将采用地磅测定的重量与报关单重量进行质量校核，确定是否为报关单信息，并通过数据表单扭转模块输出检测结果为“报关正常”或“报关异常”。
固废识别模块通过数据表单扭转模块将箱体夹带模块的识别结果进行频域分析对，确定是否存在超过20%的频域波动，并通过数据表单扭转模块输出检测结果为“固废”或“非固废”。
车体夹带模块通过将预处理的车体图像与该车辆历史记录图像进行图像比对，确定车体中变化较大的区域，并通过数据表单扭转模块输出检测结果为夹带位置和置信度。
结果融合模块通过将数据表单的相关参数进行融合，并的与外部数据进行融合（如黑名单、危险阈值等），输出结果为最终的显示图像及对应的物品位置及名称的标注。
输出显示模块主要是将结果融合模块通过计算机、平板等设备进行显示，从而指导相关人员进行后续工作。
本发明的优点在于：在X射线图像中能够自动、高效地识别危险品、夹带品的种类和对应位置，并实现检测的高效运行。
附图说明
图1是本方法的流程框图；
图2是算法及使用流程框图；
图3是图像检测结果效果图。
具体实施方式
实施例1：
本实施例提供一种基于深度学习的X射线图像的智能识别系统，结构如图1所示，系统用于安装在X射线成像系统的服务器中，系统包括图像预处理模块、箱体夹带识别模块、报关比对模块、固废识别模块、车体夹带模块、结果融合模块、数据表单扭转模块以及输出显示模块等。
其中图像预处理模块进行图像预处理，通过机器学习与深度学习的耦合与算法结果的迭代，实现图像降噪、车厢与车体分离功能；
箱体夹带识别模块针对车厢图像进行基于深度学习的图像识别、图像分割、图像分类、异常检测等算法，基于X射线原理的双能物质识别、像素标定等算法，基于机器学习的图像处理算法等的融合，实现不同模型配置的夹带物品和位置的识别；
报关比对模块通过夹带识别数据与报关数据的比对，实现报关信息的核实；
固废识别模块通过夹带识别数据的进一步分析，确定物品是否为固废物；
车体夹带模块通过将车体图像与数据库图像进行比对，通过图像的差异确定是否夹带；
数据融合是实现整个X射线图像的所有信息的融合，包括夹带信息、报关信息、固废信息等；
数据表单扭转模块是一个在整个流程中初始化、修改的json文档，实现所有参数的格式化输出；
输出显示模块可以通过有线或无线方式连通服务器、平板或云平台，通过图像信息和json文件信息的融合，实现最终检测物品的标注及阈值报警功能；
最后还需要建立数据库，存储相关信息，实现信息的可追溯性。
本实施例还提供一种基于深度学习的X射线图像检测方法，如图所示，包括如下具体步骤：
S1:通过X射线成像仪器采集待识别图像，将图像及相关报关信息作为输入；
S2：针对硬件、软件、显示阈值等进行参数配置；
S3: 通过本智能识别系统通过算法、功能、数据三个方面，以图1所示的功能流程实现图像的智能识别，并将结果以接口形式进行输出；
S4：针对不同显示阈值进行检测区域的选择，然后通过外接显示设备显示进行图像显示。

Claims (1)

1.一种基于集装箱X射线图像的智能识别方法，其特征在于：该方法包含的处理流程有：图像预处理模块、箱体夹带识别模块、报关比对模块、固废识别模块、车体夹带模块、结果融合模块、数据表单扭转模块以及输出显示模块；
图像预处理模块用于将X射线图像进行灰度转换、降噪、车厢与车体分离等功能，实现X射线图像的预处理及分离，降低识别难度；
箱体夹带识别模块通过深度图像识别网络学习“正常物品”和“夹带物品”的图片特征，进行图像识别模型、图像分割模型、物质识别模型、图像频域分析模型的多模型结果融合，通过融合结果判断是否存在夹带及夹带物品种类，并通过数据表单扭转模块输出结果为夹带位置、置信度及夹带物品类名；
报关比对模块通过数据表单扭转模块将箱体夹带模块的识别结果进行报关单比对，并针对物品，将采用地磅测定的重量与报关单重量进行质量校核，确定是否为报关单信息，并通过数据表单扭转模块输出检测结果为“报关正常”或“报关异常”；
固废识别模块通过数据表单扭转模块将箱体夹带模块的识别结果进行频域分析对，确定是否存在超过20%的频域波动，并通过数据表单扭转模块输出检测结果为“固废”或“非固废”；
车体夹带模块通过将预处理的车体图像与该车辆历史记录图像进行图像比对，确定车体中变化较大的区域，并通过数据表单扭转模块输出检测结果为夹带位置和置信度；
结果融合模块通过将数据表单的相关参数进行融合，并的与外部数据进行融合，输出结果为最终的显示图像及对应的物品位置及名称的标注；
输出显示模块主要是将结果融合模块通过计算机、平板等设备进行显示，从而指导相关人员进行后续工作。
CN202010874993.0A 2020-08-27 2020-08-27 一种基于集装箱x射线图像的智能识别方法 Pending CN112001333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010874993.0A CN112001333A (zh) 2020-08-27 2020-08-27 一种基于集装箱x射线图像的智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010874993.0A CN112001333A (zh) 2020-08-27 2020-08-27 一种基于集装箱x射线图像的智能识别方法

Publications (1)

Publication Number Publication Date
CN112001333A true CN112001333A (zh) 2020-11-27

Family

ID=73470460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010874993.0A Pending CN112001333A (zh) 2020-08-27 2020-08-27 一种基于集装箱x射线图像的智能识别方法

Country Status (1)

Country Link
CN (1) CN112001333A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313722A (zh) * 2021-06-10 2021-08-27 浙江传媒学院 一种牙根图像交互标注方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050072219A1 (en) * 2003-10-07 2005-04-07 Nelson Carl V. Dense object detection system and method
CN2840027Y (zh) * 2005-09-20 2006-11-22 赵景岐 一种双通道组合移动式集装箱或车辆检查系统
CN203204174U (zh) * 2013-04-27 2013-09-18 北京曼德克环境科技有限公司 一种x射线双能量透射式绿色通道车辆检测仪
CN203203944U (zh) * 2013-04-27 2013-09-18 北京曼德克环境科技有限公司 一种x射线反散射及透射结合检测的绿色通道车辆检测仪
CN103955940A (zh) * 2014-05-16 2014-07-30 天津重方科技有限公司 一种基于x射线背散射图像的人体隐藏物的检测方法
CN206133035U (zh) * 2016-08-31 2017-04-26 无锡日联科技股份有限公司 一种反恐安全检查系统
US20170242148A1 (en) * 2016-02-22 2017-08-24 Rapiscan Systems, Inc. Systems and Methods for Detecting Threats and Contraband in Cargo
CN108760778A (zh) * 2018-04-25 2018-11-06 江苏大学 一种用于秧苗中石子的安检系统与方法
CN109444985A (zh) * 2018-12-14 2019-03-08 湖南华诺星空电子技术有限公司 多传感融合的便携式隐匿物成像探测系统
CN109902643A (zh) * 2019-03-07 2019-06-18 浙江啄云智能科技有限公司 基于深度学习的智能安检方法、装置、系统及其电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050072219A1 (en) * 2003-10-07 2005-04-07 Nelson Carl V. Dense object detection system and method
CN2840027Y (zh) * 2005-09-20 2006-11-22 赵景岐 一种双通道组合移动式集装箱或车辆检查系统
CN203204174U (zh) * 2013-04-27 2013-09-18 北京曼德克环境科技有限公司 一种x射线双能量透射式绿色通道车辆检测仪
CN203203944U (zh) * 2013-04-27 2013-09-18 北京曼德克环境科技有限公司 一种x射线反散射及透射结合检测的绿色通道车辆检测仪
CN103955940A (zh) * 2014-05-16 2014-07-30 天津重方科技有限公司 一种基于x射线背散射图像的人体隐藏物的检测方法
US20170242148A1 (en) * 2016-02-22 2017-08-24 Rapiscan Systems, Inc. Systems and Methods for Detecting Threats and Contraband in Cargo
CN206133035U (zh) * 2016-08-31 2017-04-26 无锡日联科技股份有限公司 一种反恐安全检查系统
CN108760778A (zh) * 2018-04-25 2018-11-06 江苏大学 一种用于秧苗中石子的安检系统与方法
CN109444985A (zh) * 2018-12-14 2019-03-08 湖南华诺星空电子技术有限公司 多传感融合的便携式隐匿物成像探测系统
CN109902643A (zh) * 2019-03-07 2019-06-18 浙江啄云智能科技有限公司 基于深度学习的智能安检方法、装置、系统及其电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
胡文海;闫清丽;赵醴丽;赵明;陈志丹;单振菊;田家明;邓文君;: "通道式X光机在入境行包、特殊物品检疫中的应用研究", 中国国境卫生检疫杂志, no. 03 *
苑丽红;马晓燕;杨勇;谷欣超;: "集装箱X光图像增强技术", 计算机应用, no. 01 *
荆峰: "X射线数字化实时成像系统在无损检测中的应用", 无损探伤, no. 03 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313722A (zh) * 2021-06-10 2021-08-27 浙江传媒学院 一种牙根图像交互标注方法
CN113313722B (zh) * 2021-06-10 2023-09-12 浙江传媒学院 一种牙根图像交互标注方法

Similar Documents

Publication Publication Date Title
US11287391B2 (en) Systems and methods for detecting threats and contraband in cargo
EP3349050B1 (en) Inspection devices and methods for detecting a firearm
US7734102B2 (en) Method and system for screening cargo containers
US8094874B2 (en) Material context analysis
CN111382762A (zh) 空箱识别方法及系统
Jaccard et al. Tackling the X-ray cargo inspection challenge using machine learning
CN110751079A (zh) 物品检测方法、装置、系统和计算机可读存储介质
CN105809091B (zh) 检查方法和系统
US20150063634A1 (en) System and method for detecting cargo container seals
Jaccard et al. Automated detection of cars in transmission X-ray images of freight containers
CN112001333A (zh) 一种基于集装箱x射线图像的智能识别方法
CN104237262A (zh) 一种用于检查海关进口“三废”的设备和方法
US11062440B2 (en) Detection of irregularities using registration
CN203299150U (zh) 一种用于检查海关进口“三废”的设备
CN107077728B (zh) 确定图像中的均匀度
Cheng et al. Image Recognition of Prohibited Express Packages Based on YOLOv4
CN212515099U (zh) 危货车辆检测仪
CN114299337A (zh) 一种物品检测方法及检测系统
Chezzi et al. Automatic Detection of Visual Changes between X-Ray Images to Support Antifraud Customs Control at Ports–A Preliminary Study
Sudha et al. Smart X-Ray Baggage Security System using Machine Learning Algorithm
Mahajan et al. A Comprehensive System for Coal Mines with Vehicle Gate Pass Automation using Face Detection, Truck Number Plate Recognition, and Road Conditions Monitoring
CN117496174A (zh) 图像分解模型的训练方法、装置以及图像分解方法
WO2020089654A1 (en) Improvements in or relating to a system for an operator
CN117557437A (zh) 一种用于航空行李无损检测的数据处理系统
CN117635580A (zh) 车辆检查方法、装置和系统、计算机可读存储介质

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