一种基于X光机图像的智能识别系统技术方案

本发明专利技术公开了一种基于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。

【技术实现步骤摘要】
一种基于X光机图像的智能识别系统
本专利技术涉及图像识别
，尤其涉及一种基于X光机图像的智能识别系统。
技术介绍
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。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种基于X光机图像的智能识别系统；本专利技术提出的一种基于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。本专利技术根据含有违禁品的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为本专利技术提出的一种基于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，本专利技术提出的一种基于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，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：孟毛岛，王培，
申请(专利权)人：合肥格泉智能科技有限公司，
类型：发明
国别省市：安徽,34