千亿体育官方首页-qy千亿体育app下载

为了确保公共交通的安全，安全检查已成为确保公共生命财产安全的必要手段。但是，由于中国人口流动性高和客流量大，对安全检查技术的需求和要求也在增加。

由于依靠人工检查和图像识别的传统工作方法无法满足人们出行时的人流需求，因此越来越多的现代智能技术被应用在安全检查领域。

目前，在许多机场安全检查场景中已经实现了人工智能和硬件的结合。通过对各种安全检查图像的数据处理，使用深度学习算法来实现对违禁品的自动识别和预警。这样，大大降低了安全人员的劳动强度，提高了安全检查的质量，避免了因遗漏，误判危险品而造成的不良后果。

在安全检查领域中广泛使用的双能X射线透射技术，使用不同的高能和低能X射线源分别对检查的物品进行透视检查，并获得两次高能和低能透视检查图像，并获得与材料有关的效应有关原子序数的信息。通过这种双能X射线透视技术获得的图像，再应用图像分割技术，可以实现有机物和无机物的分离。还可以实现同一项目的高，低灰度图像可以分别显示在不同的显示器上，方便安全人员比较和分析项目。

但是与此同时，这项技术也有一定的局限性。尽管获得等效原子序数可以为被测产品的类型以及物体的材料和类型的识别奠定基础，但是当被测产品相互屏蔽时，错误检测率会增加，等效原子序数误差范围大，很难检测到违禁品。

由于X射线安全检查设备只能显示与对象颜色相对应的颜色，因此不能分离独立的对象。因此，要求安全人员的工作经验和个人素质很高，并且不可能准确地识别违禁品。利用双能X射线透射技术采集的图像进行图像分割处理，可以有效提高安全检查效率。

众所周知，深度学习中网络的初始化极大地影响了网络模型的效果。现有的成熟检测架构，例如RCNN系列算法，将使用ImageNet和训练有素的模型参数来初始化网络的神经网络模型。但是，现有的公共数据集ImageNet主要是真实世界的场景图片，与复杂场景中收集的X射线图片有很大不同。用ImageNet数据直接初始化，训练效果不理想。

千亿体育官方首页科技基于自身独特的大量安全X射线图像注解数据，设计了一套直接将安全X射线图像作为网络初始化的解决方案，实现了像素级语义分割技术，具有明显的意义。

目标检测完成后，需要识别目标对象。同样由于对象的重叠，目标中的许多对象会相互干扰。例如，如果瓶子的图像上有金属物体，那么瓶子的图像自然会同时具有金属物体的属性，这很容易引起识别错误。目标分层技术的前提是目标要准确，必须根据目标的原色进行像素级边缘切割，以恢复各自的颜色和重叠部分的信息。

完成目标检测和目标分层技术后，可以获得各个目标的准确形状和颜色信息。并修改原子序数信息。同时，它还补充了通过双能X射线图像获得的物体体积信息。该信息可以通过深度学习神经网络自动了解要检查的材料的最大概率。

将这些新技术应用于安检领域中的机场，铁路等行李处理系统，不仅减轻了安检人员的工作强度，而且增强了安检场景的安全能力。另一方面，它也有效地提高了旅客服务质量。

随着技术的进步，安全检查和行李处理系统逐渐完善，人工智能在实际工作中的应用也越来越全面。