安全檢查是保障旅客人身安全、防止危險品進入貨運渠道的重要手段。安檢工作的質量直接影響到交通運輸、物流管理等諸多行業(yè)領域的發(fā)展。在數(shù)字化、信息化極大普及的今天,合理利用計算機技術輔助安檢人員完成違禁品識別、危險品排查等安檢工作具有至關重要的意義。目前,檢查包裹中是否存在限制品的主要方法,是使用X光安檢機配合工作人員對X光安檢圖像的肉眼觀察。諸多主觀因素的干擾,既為判別增加了難度,也為檢查結果增添了不確定性。若能在安檢場景下,通過圖像處理技術結合卷積神經網(wǎng)絡模型,實現(xiàn)準確率高、響應速度快的圖像分割任務,將幫助安檢人員快速、準確地完成對各個包裹的判斷,并且快速找到包裹中的限制品。限制品在包裹中的擺放形態(tài)各異,故其成像不僅角度千差萬別,而且易與其他物品相互重疊,導致已有的基于X光安檢圖像的限制品識別方法存在處理效率低、漏檢與誤報現(xiàn)象嚴重等問題。另外,目前很少有人在這一問題中考慮實例分割算法,若計算機提供的是圖像分類、或目標檢測、亦或語義分割任務的可視化結果,則在很多情況下,安檢人員不能從中直觀地看到限制品對象的形態(tài)和具體位置,影響實際工作中從包裹中取出限制品這一環(huán)節(jié)的效率。本文融合了兩種改進的...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的結構安排
第2章 相關理論基礎
    2.1 X光安檢技術原理
    2.2 傳統(tǒng)圖像分割方法概述
        2.2.1 閾值分割
        2.2.2 區(qū)域分割
        2.2.3 邊緣分割
    2.3 人工神經網(wǎng)絡簡介
        2.3.1 神經元與激活函數(shù)
        2.3.2 損失函數(shù)與反向傳播
        2.3.3 優(yōu)化函數(shù)
    2.4 卷積神經網(wǎng)絡簡介
        2.4.1 卷積層
        2.4.2 池化層
        2.4.3 全卷積網(wǎng)絡
        2.4.4 U-Net
    2.5 本章小結
第3章 基于Cascade Mask R-CNN改進的實例分割方法
    3.1 實驗數(shù)據(jù)集與圖像預處理
        3.1.1 弱標簽優(yōu)化策略
        3.1.2 多標簽特征融合策略
    3.2 網(wǎng)絡結構設計與模型融合
        3.2.1 ResNet與 ResNeXt
        3.2.2 特征金字塔網(wǎng)絡
        3.2.3 混合任務級聯(lián)網(wǎng)絡模型
        3.2.4 模型融合
    3.3 多尺度訓練與多尺度測試
    3.4 本章小結
第4章 實驗結果與分析
    4.1 混合任務級聯(lián)對模型的影響
    4.2 圖像預處理策略對模型的影響
    4.3 多尺度測試與模型融合對模型的影響
    4.4 本章小結
第5章 總結與展望
    5.1 工作總結
    5.2 工作展望
參考文獻
作者簡介及在學期間所取得的科研成果
致謝



本文編號：3857355