安检设备的训练方法、装置、系统及存储介质制造方法及图纸

本发明专利技术涉及一种安检设备的训练方法、安检设备的训练装置、安检设备的训练系统及存储介质。安检设备的训练方法，包括：实时获取新的安检训练数据；基于所述新的安检训练数据扩充原有训练数据集，以得到新的训练数据集；利用所述新的训练数据集训练原有危险品识别模型，以得到新的危险品识别模型。上述安检设备的训练方法、安检设备的训练装置、安检设备的训练系统及存储介质实时获取新的安检训练数据，能够逐渐扩充训练数据集；能够提升危险品识别模型的泛化能力和识别准确率。的泛化能力和识别准确率。的泛化能力和识别准确率。

【技术实现步骤摘要】
安检设备的训练方法、装置、系统及存储介质


[0001]本申请涉及安防
，特别是涉及一种安检设备的训练方法、安检设备的训练装置、安检设备的训练系统及存储介质。

技术介绍

[0002]危险品识别是安检设备的核心技术之一，其主要任务是在安检扫描图片中精确找到危险品所在位置，并标注出危险品的类别。
[0003]传统技术采用离线学习模式的危险品识别模型识别危险品，在对危险品识别之前先得到训练好的神经网络模型，并利用该神经网络模型对危险品进行识别。然而，由于危险品种类众多且发展速度快，使得离线学习模式的危险品识别模型对危险品识别的准确度逐渐下降，甚至不能识别新的危险品。

技术实现思路

[0004]基于此，有必要针对现有技术中离线学习模式的危险品识别模型对危险品识别的准确度逐渐下降，甚至不能识别新的危险品的问题提供一种安检设备的训练方法、安检设备的训练装置、安检设备的训练系统及存储介质。
[0005]为了实现上述目的，一方面，本专利技术提供了一种安检设备的训练方法，包括：
[0006]实时获取新的安检训练数据；
[0007]基于所述新的安检训练数据扩充原有训练数据集，以得到新的训练数据集；
[0008]利用所述新的训练数据集训练原有危险品识别模型，以得到新的危险品识别模型。
[0009]在其中一个实施例中，还包括：
[0010]判断所述新的训练数据集中的安检训练数据是否达到预设数量；
[0011]若是，则利用评价策略判断所述新的危险品识别模型的性能是否优于所述原有危险品识别模型的性能；
[0012]若是，则将所述新的危险品识别模型作为最终的危险品识别模型，否则，将所述原有危险品识别模型作为所述最终的危险品识别模型。
[0013]在其中一个实施例中，所述实时获取新的安检训练数据的步骤中从多个安检设备实时获取所述新的安检训练数据；所述将所述新的危险品识别模型作为最终的危险品识别模型包括将所述新的危险品识别模型更新至各所述安检设备。
[0014]在其中一个实施例中，所述新的安检训练数据包括新的安检扫描图像和对应的危险品标注。
[0015]一种安检设备的训练装置，包括：
[0016]获取模块，用于实时获取新的安检训练数据；
[0017]扩充模块，用于基于所述新的安检训练数据扩充原有训练数据集，以得到新的训练数据集；
[0018]训练模块，用于利用所述新的训练数据集训练原有危险品识别模型，以得到新的危险品识别模型。
[0019]在其中一个实施例中，还包括：
[0020]判断单元，用于判断所述新的训练数据集中的安检训练数据是否达到预设数量；
[0021]评价单元，用于在所述新的训练数据集中的安检训练数据达到所述预设数量时，利用评价策略判断所述新的危险品识别模型的性能是否优于所述原有危险品识别模型的性能；
[0022]更新单元，用于在所述新的危险品识别模型的性能优于所述原有危险品识别模型时，将所述新的危险品识别模型作为最终的危险品识别模型，否则，将所述原有危险品识别模型作为所述最终的危险品识别模型。
[0023]在其中一个实施例中，所述获取模块从多个安检设备实时获取所述新的安检训练数据，且所述更新单元将所述新的危险品识别模型更新至各所述安检设备。
[0024]在其中一个实施例中，所述新的安检训练数据包括新的安检扫描图像和对应的危险品标注。
[0025]一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
[0026]一种安检设备的训练系统，包括存储器和处理器；所述处理器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述方法的步骤。
[0027]上述安检设备的训练方法、安检设备的训练装置、安检设备的训练系统及存储介质实时获取新的安检训练数据，能够实现对当前的安检训练数据的再利用，随着安检设备业务量的增长，使得逐渐扩充训练数据集；利用该新的训练数据集训练原有危险品识别模型得到新的危险品识别模型，使得不断更新危险品识别模型，实现危险品识别模型的增量式学习，能够提升危险品识别模型的泛化能力和识别准确率；并且当新的训练数据集中的安检训练数据到达一定数量后，该训练方法得到的新的危险品识别模型能够实现对新类型的危险品的识别，增加可识别的危险品种类，并且可以提高危险品识别模型的准确度。
附图说明
[0028]为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0029]图1为本申请一实施例中提供的安检设备的训练方法的流程图；
[0030]图2为本申请另一实施例中提供的安检设备的训练方法的流程图；
[0031]图3为本申请一实施例中提供的安检设备的训练装置的结构框图；
[0032]图4为本申请一实施例中提供的安检设备的训练系统的架构图。
具体实施方式
[0033]为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中
给出了本申请的首选实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
[0034]图1为本申请一实施例提供的安检设备的训练方法的流程图。请参阅图1，安检设备的训练方法包括：
[0035]步骤S11，实时获取新的安检训练数据。
[0036]具体的，安检设备的训练方法可以利用安检设备的训练系统来实现。安检设备的训练系统可以与一个或者多个安检设备通信连接，以实时获取这些安检设备输出的新的安检训练数据。也即这些安检设备作为训练数据源。
[0037]具体的，新的安检训练数据可以包括新的安检扫描图像和对应的危险品标注等等。危险品标注可以包括危险品的类型标注、危险等级标注等等。安检设备可以识别其扫描得到的新的安检扫描图像上的危险品并自动在对应位置进行危险品标注。当新的安检扫描图像上出现新的危险品时，安检设备无法识别出，可以由判图员识别该危险品并通过鼠标、键盘等输入设备在新的安检扫描图像上对应位置对新的危险品进行标注，并由安检设备输出给安检设备的训练系统。或者判图员也可以直接将新的危险品的标注输入到安检设备的训练系统。在其他示例中，判图员除了可以标注新的危险品之外，还可以判断安检设备所识别的新的安检扫描图像中对应的危险品标注是否正确，如果识别有误，判图员可以纠正自动标注的结果，并将纠正后的标注输入到安检设备的训练系统。
[0038]步骤S12，基于新的安检训练数据扩充原有训练数据集，以得到新的训练数据集。
[0039]具体的，原有的训练数据集中可以包括多个原有的安检训练数据。每个原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安检设备的训练方法，其特征在于，包括：实时获取新的安检训练数据；基于所述新的安检训练数据扩充原有训练数据集，以得到新的训练数据集；利用所述新的训练数据集训练原有危险品识别模型，以得到新的危险品识别模型。2.根据权利要求1所述的安检设备的训练方法，其特征在于，还包括：判断所述新的训练数据集中的安检训练数据是否达到预设数量；若是，则利用评价策略判断所述新的危险品识别模型的性能是否优于所述原有危险品识别模型的性能；若是，则将所述新的危险品识别模型作为最终的危险品识别模型，否则，将所述原有危险品识别模型作为所述最终的危险品识别模型。3.根据权利要求2所述的安检设备的训练方法，其特征在于，所述实时获取新的安检训练数据的步骤中从多个安检设备实时获取所述新的安检训练数据；所述将所述新的危险品识别模型作为最终的危险品识别模型包括将所述新的危险品识别模型更新至各所述安检设备。4.根据权利要求1至3任一项所述的安检设备的训练方法，其特征在于，所述新的安检训练数据包括新的安检扫描图像和对应的危险品标注。5.一种安检设备的训练装置，其特征在于，包括：获取模块，用于实时获取新的安检训练数据；扩充模块，用于基于所述新的安检训练数据扩充原有训练数据集，以得到新的训练数据集；训练模块，用于利用所述新的训练数据集训练原有危险品识别...

【专利技术属性】
技术研发人员：王晨焱，
申请(专利权)人：上海物影科技有限公司，
类型：发明
国别省市：