一种违禁品检测方法、装置、边缘计算设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种违禁品检测方法、装置、边缘计算设备及存储介质，涉及数据处理技术领域。获取待检测物品的多张X光图像；对多张X光图像进行图像预处理，得到多张目标图像；将多张目标图像输入至预设推理模型中进行违禁品检测，得到目标图像中的违禁品的候选位置，其中，预设推理模型是利用预设推理优化器对预设神经网络模型的模型训练结果进行优化得到的；利用多线程对候选位置进行分析处理，以确定待检测物品是否为违禁品。本申请实施例利用预设推理模型加快检测速度，利用多线程并行对多张图像进行分析处理，提高了违禁品检测的速度和效率。的速度和效率。的速度和效率。

【技术实现步骤摘要】
一种违禁品检测方法、装置、边缘计算设备及存储介质


[0001]本专利技术涉及数据处理
，具体涉及一种违禁品检测方法、装置、边缘计算设备及存储介质。

技术介绍

[0002]基于深度学习的自然场景目标检测技术已经成熟，但是对于X光图像的目标检测技术研究仍处于初始阶段。X光图像与自然场景图像存在显著的差异，首先，X光图像内目标缺少重要的纹理特征，只通过目标轮廓和吸收光反应的颜色信息给检测带来巨大的困难。现在大多数的X光检测算法为了做到更高的检测准确率和召回率，检测模型往往非常大，在要求时效的情况下，对图形处理器(Graphics Processing Unit，GPU)上的计算能力要求也非常高。但边缘计算设备的算力远不如高性能的GPU，造成检测时间漫长，难以满足实际需求。高性能的GPU可以带来速度的提升，但价格昂贵，大批量部署的成本令企业望而却步，技术难以落地成可大面积推广的产品。

技术实现思路

[0003]本专利技术实施例提供一种违禁品检测方法、装置、边缘计算设备及存储介质，可提高X光图像中的违禁品检测的速度和效率。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种违禁品检测方法，其特征在于，应用于边缘计算设备，所述方法包括：获取待检测物品的多张X光图像；对所述多张X光图像进行图像预处理，得到多张目标图像；将所述多张目标图像输入至预设推理模型中进行违禁品检测，得到所述目标图像中的违禁品的候选位置，其中，所述预设推理模型是利用预设推理优化器对预设神经网络模型的模型训练结果进行优化得到的；利用多线程对所述多张目标图像的所述候选位置进行分析处理，确定所述待检测物品是否为违禁品。2.如权利要求1所述的违禁品检测方法，其特征在于，所述利用多线程对所述违禁品的候选位置进行分析处理，确定所述待检测物品是否为违禁品，包括：获取目标图像的图像数量；创建与所述图像数量相同数量的目标线程；通过所述目标线程对所述违禁品的候选位置进行非极大值抑制处理，以得到所述违禁品的检测结果；根据所述检测结果确定所述待检测物品是否为违禁品。3.如权利要求1所述的违禁品检测方法，其特征在于，所述方法还包括：获取预设推理计算图；所述对所述多张X光图像进行图像预处理，得到多张目标图像，包括：将所述多张X光图像输入至所述预设推理计算图中的预处理计算子图中进行图像预处理，得到多张目标图像所对应的张量；所述将所述多张目标图像输入至预设推理模型中进行违禁品检测，得到所述目标图像中的违禁品的候选位置，包括：将所述多张目标图像所对应的张量输入至所述预设推理计算图中的预设推理模型子图中进行检测，得到所述目标图像中的违禁品的候选位置。4.如权利要求3所述的违禁品检测方法，其特征在于，所述将所述多张X光图像输入至所述预设推理计算图中的预处理计算子图中进行图像预处理，得到多张目标图像，包括：将所述多张X光图像输入至所述预设推理计算图中的预处理计算子图中；通过所述预处理计算子图将所述多张X光图像进行旋转缩放填充处理，得到多张预设尺寸的目标图像所对应的张量。5.如权利要求3所述的违禁品检测方法，其特征在于，...

【专利技术属性】
技术研发人员：刘文龙，朴安妮，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：