安全檢查是保障旅客人身安全、防止危險(xiǎn)品進(jìn)入貨運(yùn)渠道的重要手段。安檢工作的質(zhì)量直接影響到交通運(yùn)輸、物流管理等諸多行業(yè)領(lǐng)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(jì)算機(jī)技術(shù)輔助安檢人員完成違禁品識(shí)別、危險(xiǎn)品排查等安檢工作具有至關(guān)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(jī)配合工作人員對(duì)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(jié)果增添了不確定性。若能在安檢場(chǎng)景下,通過(guò)圖像處理技術(shù)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)準(zhǔn)確率高、響應(yīng)速度快的圖像分割任務(wù),將幫助安檢人員快速、準(zhǔn)確地完成對(duì)各個(gè)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(wàn)別,而且易與其他物品相互重疊,導(dǎo)致已有的基于X光安檢圖像的限制品識(shí)別方法存在處理效率低、漏檢與誤報(bào)現(xiàn)象嚴(yán)重等問(wèn)題。另外,目前很少有人在這一問(wèn)題中考慮實(shí)例分割算法,若計(jì)算機(jī)提供的是圖像分類、或目標(biāo)檢測(cè)、亦或語(yǔ)義分割任務(wù)的可視化結(jié)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(duì)象的形態(tài)和具體位置,影響實(shí)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(jìn)的...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
第2章 相關(guān)理論基礎(chǔ)
    2.1 X光安檢技術(shù)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(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        2.3.1 神經(jīng)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(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        2.4.1 卷積層
        2.4.2 池化層
        2.4.3 全卷積網(wǎng)絡(luò)
        2.4.4 U-Net
    2.5 本章小結(jié)
第3章 基于Cascade Mask R-CNN改進(jìn)的實(shí)例分割方法
    3.1 實(shí)驗(yàn)數(shù)據(jù)集與圖像預(yù)處理
        3.1.1 弱標(biāo)簽優(yōu)化策略
        3.1.2 多標(biāo)簽特征融合策略
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與模型融合
        3.2.1 ResNet與 ResNeXt
        3.2.2 特征金字塔網(wǎng)絡(luò)
        3.2.3 混合任務(wù)級(jí)聯(lián)網(wǎng)絡(luò)模型
        3.2.4 模型融合
    3.3 多尺度訓(xùn)練與多尺度測(cè)試
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
    4.1 混合任務(wù)級(jí)聯(lián)對(duì)模型的影響
    4.2 圖像預(yù)處理策略對(duì)模型的影響
    4.3 多尺度測(cè)試與模型融合對(duì)模型的影響
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝



本文編號(hào)：3857355