基于卷积神经网络的X射线图像危险液体识别

摘要：

公共安全越来越被社会重视,安检是保障公共场所和交通工具安全的重要手段.现如今,对枪支弹药、刀具等固体物质的安检已经非常成熟,但对危险液体的安检还存在无法准确、快速识别等不足.为此,对92号汽油、甲醇与硝基甲烷混合液、75％酒精、食用油、水共5种液体分别用玻璃、金属、塑料、陶瓷共4种容器盛装后,进行X射线图像获取,对样本图像进行旋转、镜像、平移等操作增强样本平衡性、现实性,再对样本图像分割、前景获取等处理后,分别使用6类特征值的支持向量机网络、改进的基础型卷积神经网络、改进的ResNet-50卷积神经网络共3种分类器进行识别,从耗时、识别准确率、训练损失3个维度对比,结果为:6类特征值的SVM模型只需要较小的样本量即可快速达到90％识别率;改进的基础型卷积神经网络可快速达到识别率97.2％;改进的ResNet-50神经网络需要较长时间达到识别率99.2％.结论为:在本实验条件下综合耗时、识别准确率、训练损失3个维度,改进的基础型卷积神经网络为最优液体X射线图像识别模型.

关键词：安检、危险液体、X射线图像、改进的卷积神经网络、图像识别

所属期刊栏目：19

分类号：TP311(计算技术、计算机技术)

资助基金：宁夏高等学校科学研究项目NGY2018-222

在线出版日期：2023-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33