基于改进YOLOv7的X光安检图像违禁物品检测方法技术

本发明专利技术涉及一种基于改进YOLOv7的X光安检图像违禁物品检测方法，属于目标检测领域，包括以下步骤：S1：对安检数据集进行预处理，并随机划分为训练集和验证集；S2：将多维高效通道注意力模块与主干网络结合构建高效主干网络；S3：通过多尺度特征聚合模块在主干网络和颈部网络之间构建过渡网络；S4：设计精准边界框回归损失EIoUer Loss作为模型的定位损失；S5：通过图像预处理模块、高效主干网络、过渡网络、颈部网络和检测头构建MME‑YOLO安检图像违禁物品检测网络模型；S6：训练MME‑YOLO模型；S7：验证MME‑YOLO模型。

【技术实现步骤摘要】

本专利技术属于目标检测领域，涉及一种基于改进yolov7的x光安检图像违禁物品检测方法。

技术介绍

1、由于公共交通领域存在人流量大、半封闭性等特殊情况，其安全问题一直以来都是人们关注的重心。在对来往旅客的行李检查时，使用能发射x射线的安全检查仪器可以生成能显示物体内部结构和形状的安检图像，此时安检人员可以通过人工实时观察图像中是否含有违禁物品进行人工安检。

2、但随着科技的进步以及经济水平的提高，我国的交通系统规模不断扩大，乘客流量不断增加，如何在减轻安检人员工作量的情况下，经济高效地利用安检图像进行违禁物品自动检测成为了新的挑战和要求。

3、在深度学习和人工智能快速发展的今天，由机器辅助人工实现全自动化安检具有重要意义，然而安检图像中不但物品摆放混乱，而且物品特征模糊不清，极其不利于现有目标检测模型对违禁物品的自动识别定位，导致目前目标检测模型的检测精度还有待提高，而误检率和漏检率也有待降低。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供一种基于改进yolov7的x光安检图本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv7的X光安检图像违禁物品检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于改进YOLOv7的X光安检图像违禁物品检测方法，其特征在于：步骤S1所述预处理包括将安检数据集中只存在较少样本的锤子种类的图片去除，不参与模型的训练和验证。

3.根据权利要求1所述的基于改进YOLOv7的X光安检图像违禁物品检测方法，其特征在于：所述高效主干网络由CBS模块、ELAN模块、MP模块和多维高效通道注意力模块MECA组成；

4.根据权利要求1所述的基于改进YOLOv7的X光安检图像违禁物品检测方法，其特征在于：所述过渡网络由C...

【技术特征摘要】

1.一种基于改进yolov7的x光安检图像违禁物品检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于改进yolov7的x光安检图像违禁物品检测方法，其特征在于：步骤s1所述预处理包括将安检数据集中只存在较少样本的锤子种类的图片去除，不参与模型的训练和验证。

3.根据权利要求1所述的基于改进yolov7的x光安检图像违禁物品检测方法，其特征在于：所述高效主干网络由cbs模块、elan模块、mp模块和多维高效通道注意力模块meca组成；

4.根据权利要求1所述的基于改进yolov7的x光安检图像违禁物品检测方法，其特征在于：所述过渡网络由cbs模块、sppcspc模块和多尺度特征聚合模块mfa组成，设置在主干网络和颈部网络之间，用于将主...

【专利技术属性】
技术研发人员：李国权，朱雷，庞宇，朱宏钰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：