科创中国

电子信息技术,软件

近年来随着公共交通客流吞吐量骤增，社会对于公共安全问题愈发重视，X射线安检设备对保障社会公共安全起到至关重要作用。目前安检过程仍主要依赖于人工识别违禁品，但由于工作人员自身因素以及外界干扰的不确定性，使得目前人工识别的可靠性与准确性有待提高。本项目基于深度学习方法，分别应用改进的深度学习目标检测算法以及违禁物品图像分割识别改进算法，对安检图像中的违禁品及其种类进行辅助识别与报警。项目开发包含下位机（安检机图像采集）-上位机经过算法验证的违禁品检测环节-上位机违禁品标定及违禁品种类预警-下位机对包含违禁品的包裹进行分拣传输等功能环节

识别算法：针对原始U-Net算法浅层特征表征能力不强，存在一定的位置信息损失，分割精度不佳，对安检违禁品中危险药品类小目标漏检误检等问题，对原始U-Net算法进行相关改进，提出新的算法：基于可变形空洞卷积的TASPP改进U-Net的算法得到T-UNet，在此基础上融合了FLE和GMC得到TFM-UNet网络结构。实验数据表明，改进后的算法能够有效提升模型对目标几何变换的学习能力，对目标边缘的预测更为精准。针对小目标局部信息易丢失问题，在TFM-UNet的基础上引入注意力机制，提出Attention-UNet+优化算法。以分割精度和分割速度为评价指标，将改进前后的算法在MCDD数据集上进行综合性能对比实验，结果表明本文改进算法在满足安检任务需求的前提下，对X光图像内各类违禁品的分割精度均有一定程度的提升，其中危险药品等小目标局部分割精度提升尤为明显。并通过公共数据集PASCAL VOC2012上进行验证实验，实验数据证明了本文改进算法的有效性和通用性。

宁波市智能制造产业研究院是受浙江省省委省政府委托，由宁波市政府与智能制造领域专家团队共同筹建的具有集团性质的机器人及智能制造企业集群。宁研院总投资3亿元，致力于搭建技术研究与成果产业化的桥梁，以打造“浙江制造”为核心目标，积极创造机器人名牌产品，业务覆盖智能制造核心部件、机器人本体、产业应用等多个领域，通过3-5年时间成为宁波市智能经济发展的核心支撑平台。