基于Cascade Mask R-CNN改进的X光限制品监测算法研究

发布时间：2023-10-28 16:28

　　安全检查是保障旅客人身安全、防止危险品进入货运渠道的重要手段。安检工作的质量直接影响到交通运输、物流管理等诸多行业领域的发展。在数字化、信息化极大普及的今天,合理利用计算机技术辅助安检人员完成违禁品识别、危险品排查等安检工作具有至关重要的意义。目前,检查包裹中是否存在限制品的主要方法,是使用X光安检机配合工作人员对X光安检图像的肉眼观察。诸多主观因素的干扰,既为判别增加了难度,也为检查结果增添了不确定性。若能在安检场景下,通过图像处理技术结合卷积神经网络模型,实现准确率高、响应速度快的图像分割任务,将帮助安检人员快速、准确地完成对各个包裹的判断,并且快速找到包裹中的限制品。限制品在包裹中的摆放形态各异,故其成像不仅角度千差万别,而且易与其他物品相互重叠,导致已有的基于X光安检图像的限制品识别方法存在处理效率低、漏检与误报现象严重等问题。另外,目前很少有人在这一问题中考虑实例分割算法,若计算机提供的是图像分类、或目标检测、亦或语义分割任务的可视化结果,则在很多情况下,安检人员不能从中直观地看到限制品对象的形态和具体位置,影响实际工作中从包裹中取出限制品这一环节的效率。本文融合了两种改进的...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文的主要工作
    1.4 论文的结构安排
第2章 相关理论基础
    2.1 X光安检技术原理
    2.2 传统图像分割方法概述
        2.2.1 阈值分割
        2.2.2 区域分割
        2.2.3 边缘分割
    2.3 人工神经网络简介
        2.3.1 神经元与激活函数
        2.3.2 损失函数与反向传播
        2.3.3 优化函数
    2.4 卷积神经网络简介
        2.4.1 卷积层
        2.4.2 池化层
        2.4.3 全卷积网络
        2.4.4 U-Net
    2.5 本章小结
第3章 基于Cascade Mask R-CNN改进的实例分割方法
    3.1 实验数据集与图像预处理
        3.1.1 弱标签优化策略
        3.1.2 多标签特征融合策略
    3.2 网络结构设计与模型融合
        3.2.1 ResNet与 ResNeXt
        3.2.2 特征金字塔网络
        3.2.3 混合任务级联网络模型
        3.2.4 模型融合
    3.3 多尺度训练与多尺度测试
    3.4 本章小结
第4章 实验结果与分析
    4.1 混合任务级联对模型的影响
    4.2 图像预处理策略对模型的影响
    4.3 多尺度测试与模型融合对模型的影响
    4.4 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3857355