一种基于AI的通关合规检测系统及方法技术方案

本发明专利技术提供了一种基于AI的通关合规检测系统及方法，包括前端数据收集模块，图片运算存储器，AI芯片，后端检测分析平台，云端数据库，嵌入式应用软件；本发明专利技术通过构建一个网络边缘侧基于AI芯片的终端，采用了神经网络加速和压缩的方法，将复杂的神经网络优化后从服务器端移植到边缘侧，在本地进行数据分析，分析结果实时反馈云端，结合通关合规检测的应用场景，解决海量图像数据传输问题和边缘侧复杂神经网络模型运算问题。经网络模型运算问题。经网络模型运算问题。

【技术实现步骤摘要】
一种基于AI的通关合规检测系统及方法


[0001]本专利技术属于智能识别
，特别涉及一种基于AI的通关合规检测系统及方法。

技术介绍

[0002]基于深度学习的神经网络算法对图形处理的精确度高于传统算法，同时，计算硬件技术逐渐成熟；AI芯片，也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块，目前AI芯片的研发迅速，以百度、华为、寒武纪、瑞芯微、Sophon、NVIDA等厂商为代表的AI芯片在处理速度、能耗、应用场景等方面都取得了长足的进步和提升。
[0003]但是，常见的基于深度学习的图像分析算法的硬件解决方案为：设置图像接收端，传输图像数据到后端深度学习服务器上，再进行图像算法分析，最后把计算结果推送展示端，这样数据处理较慢，网络传输压力大；另一种方式是设置网络边缘侧终端，在本地进行数据分析，将处理结果上传云端，这种方法边缘侧AI算力较弱，难以满足复杂神经网络模型运算需求，在实际海关通关检测中识别率低。

技术实现思路

[0004]有鉴于现有技术的上述缺陷，本专利技术的目的在于提供一种基于AI的通关合规检测系统及方法，基于AI芯片可在本地进行数据分析处理，减轻网络传输压力，分析处理结果实时反馈云端，通过边缘侧神经网络加速处理技术实现本地数据的实时分析和处理功能。本专利技术提供如下技术方案：
[0005]包括前端数据收集模块，图片运算存储器，AI芯片，后端检测分析平台，云端数据库，嵌入式应用软件，其中：前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，在关口进行检查，对通关货物拍照，收集图片信息；图片运算存储器：存储边缘计算的算法模型并在本地完成图像数据收集存储；AI芯片：基于神经网络算法对所述前端数据收集模块收集到的图像进行处理；后端检测分析平台：结合所述AI芯片处理的图片信息，在本地进行数据分析处理，保证任务处理实时性；云端数据库：存储边缘侧设备实时分析结果；嵌入式应用软件：接收处理的数据，通过交互式操作界面向用户显示；
[0006]所述图形运算存储输入端与所述前端数据收集模块视觉传感器输出端连接，所述AI芯片与所述图形存储双向连接，所述AI芯片与所述后端数据分析平台双向连接，所述AI芯片与所述云端数据库双向连接，所述云端数据库与所述嵌入式应用软件双向连接；
[0007]进一步的，所述前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，所述物品传感器检测到物品通过启用视觉传感器进行多角度拍摄，环境光传感器根据环境光线自动点亮补光灯进行补光保证拍摄效果；
[0008]进一步的，所述AI芯片与所述云端数据库通讯基于NB－IOT物联网传感器；所述AI芯片采用Jetson Xavier NX，功耗10W为AI应用提供14个TOP；所述嵌入式应用软件可以匹
配嵌入式系统的安检仪，通过轻量级深度模型自动检测通关物品；
[0009]采用神经网络加速和压缩的方法解决处理图片的算法对神经网络模型的运算和存储访问都有复杂要求的问题，包括以下步骤：
[0010]S1：确定用于高精度图像识别的深度神经网络算法，神经网络算法拟合；
[0011]S2：卷积层张量分解：卷积层四维张量：宽度w、度h、通道数c、卷积核数n中通道数c和卷积核数n对网络整体结构影响相对较大，基于卷积核的信息冗余特性(w*h)矩阵及其低秩特性，采用低秩分解方法压缩网络；
[0012]S 3：神经网络结构化修剪：模型通过所述卷积层张量分解分解为各种分解结构，以网络层作为修建基本单元，减少模型参数量和理论计算量，保持模型结构完整仍可通过GPU或其他硬件加速；
[0013]S 4：各层网络参数和激活进行定点量化：收集分析参数和激活的数据分布，根据任务类型和硬件平台确定位数。在此基础上，确定量化定点值集合，通过确定性量化或随机量化方法将参数和激活量化为定点值集合中的元素，实现神经网络权值和激活的量化；最后，通过网络微调来恢复量化过程中的精度损失；
[0014]所述步骤S1中，需要判断是否张量分解，进行所述步骤S3神经网络结构化修剪前需要模型张量分解为合适结构。
[0015]有益效果：
[0016]采用本专利技术提供的技术方案，具有如下有益效果：
[0017](1)使用能耗比低，性能强的AI芯片在本地进行数据分析处理，解决海量图像数据传输问题，分析处理结果实时反馈云端，便于大数据分析和网络维护；
[0018](2)将复杂的深度神经网络迁移到简单网络中，使简单网络具备复杂网络性能，解决边缘侧复杂神经网络模型运算需求，实现神经网络在嵌入式设备上高效实时运行。
附图说明
[0019]图1是本专利技术一种基于AI的通关合规检测系统原理框图；
[0020]图2是本专利技术加速和压缩神经网络方法示意图；
具体实施方式
[0021]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术的实施例作详细说明，下述的实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0022]结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
[0023]如图1所示，图1为一种基于AI的通关合规检测系统及方法原理框图，包括前端数据收集模块，图片运算存储器，AI芯片，后端检测分析平台，云端数据库，嵌入式应用软件，其中：前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，在关口进行检查，对通关货物拍照，收集图片信息；图片运算存储器：存储边缘计算的算法模型并在本地完成图像数据收集存储；AI芯片：基于神经网络算法对所述前端数据收集模块收集到的图像进行处理；后端检测分析平台：结合所述AI芯片处理的图片信息，在本地进行数据分析处
理，保证任务处理实时性；云端数据库：存储边缘侧设备实时分析结果；嵌入式应用软件：接收处理的数据，通过交互式操作界面向用户显示；
[0024]所述图形运算存储输入端与所述前端数据收集模块视觉传感器输出端连接，所述AI芯片与所述图形存储双向连接，所述AI芯片与所述后端数据分析平台双向连接，所述AI芯片与所述云端数据库双向连接，所述云端数据库与所述嵌入式应用软件双向连接；
[0025]进一步的，所述前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，所述物品传感器检测到物品通过启用视觉传感器进行多角度拍摄，环境光传感器根据环境光线自动点亮补光灯进行补光保证拍摄效果；
[0026]进一步的，所述AI芯片与所述云端数据库通讯基于NB－IOT物联网传感器；所述AI芯片采用Jetson Xavier NX，功耗10W为AI应用提供14个TOP；所述嵌入式应用软件可以匹配嵌入式系统的安检仪，通过轻量级深度模型自动检测通关物品；
[0027]如图2所示，图2为加速和压缩神经网络方法示意图，采用神经网络加速和压缩的方法解决处理图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI的通关合规检测系统，其特征在于：包括前端数据收集模块，图片运算存储器，AI芯片，后端检测分析平台，云端数据库，嵌入式应用软件，其中：前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，在关口进行检查，对通关货物拍照，收集图片信息；图片运算存储器：存储边缘计算的算法模型并在本地完成图像数据收集存储；AI芯片：基于神经网络算法对所述前端数据收集模块收集到的图像进行处理；后端检测分析平台：结合所述AI芯片处理的图片信息，在本地进行数据分析处理，保证任务处理实时性；云端数据库：接收存储边缘侧设备实时分析合规检测结果；嵌入式应用软件：接收处理的数据，通过交互式操作界面向用户显示。2.根据权利要求1所述的一种基于AI的通关合规检测系统，其特征在于：所述图形运算存储输入端与所述前端数据收集模块视觉传感器输出端连接，所述AI芯片与所述图形存储双向连接，所述AI芯片与所述后端数据分析平台双向连接，所述AI芯片与所述云端数据库双向连接，所述云端数据库与所述嵌入式应用软件双向连接。3.根据权利要求1所述的一种基于AI的通关合规检测系统，其特征在于：前端数据收集模块：包括视觉传感器、物品检测传感器、环境光传感器，所述物品传感器检测到物品通过启用视觉传感器进行多角度拍摄，环境光传感器根据环境光线自动点亮补光灯进行补光保证拍摄效果。4.根据权利要求1所述的一种基于AI的通关合规检测系统，其特征在于：AI芯片与云端数据库通讯基于NB－IOT物联网传感器。5.根据权...

【专利技术属性】
技术研发人员：金菊，金东，
申请(专利权)人：苏州工业园区报关有限公司，
类型：发明
国别省市：