1.一种基于X射线图像的智能危险品检测方法,其特征在于,包括如下步骤:(1)读取输入的X光图像为m*n*3的浮点张量,并将其大小重置为300*300*3的张量Tinit,并减去Tave后生成Tinput,检查是否属于训练状态,若是则转到步骤(2),否则转到步骤(3);
(2)对Tinput进行图像增强预处理,并替换原Tinput为处理后的浮点张量;
(3)将Tinput依次在神经网络十一个卷积神经网络块中进行传播,进行不同维度的特征抽取,得到一系列的特征图FM;
(4)在得到的特征图FM中抽取其中六层的特征图FMclassify,然后在特征图的每个点上生成若干默认框DB;
(5)对每个特征图进行卷积计算得到默认框的类别置信度box_conf和位置偏移量loc_offset;
(6)对所有默认框的box_conf进行降序排序,取大于0.5的所有默认框得到DBselected;
(7)对每张图像的DBselected与真实框按照匹配策略执行匹配,若其交并比大于0.5则认为是正样本,反之则为负样本,检查是否处于训练状态,若是则转到步骤(8),否则转到步骤(9);
(8)对所有图像中的DBselected根据损失函数计算损失值,并根据反向传播算法和设定学习率对网络参数进行更新;
(9)将所有的DBselected进行非极大抑制筛选,得到最终结果框DBresult。
2.根据权利要求1所述的一种基于X射线图像的智能危险品检测方法,其特征在于,步骤(1)所述的Tave是数据集上全部图像的三个颜色通道的均值。
3.根据权利要求1所述的一种基于X射线图像的智能危险品检测模型的训练方法,其特征在于,步骤(2)所述图像增强预处理描述如下:随机90度双向翻转,坐标变换由以下公式给出:
随机180度翻转,坐标变换公式如下:
以上的公式中xmin,ymin分别表示标注框的左下角的横坐标和纵坐标,xmax,ymax分别表示标注框右上角的横坐标和纵坐标;然后进行随机对比度变化和随机裁剪和缩放。
4.根据权利要求1所述的一种基于X射线图像的智能危险品检测方法,其特征在于,步骤(7)所述的匹配规则如下:对于图片中每个真实框,找到与其交并比最大的默认框,与其进行匹配,以保证每个真实框一定与某个先验框匹配;
对于剩余的未匹配默认框,若与某个真实框的交并比大于0.5,那么该默认框也与这个真实框进行匹配。
5.根据权利要求1所述的一种基于X射线图像的智能危险品检测方法,其特征在于,步骤(7)所述损失函数描述如下:整个损失函数由两部分组成,x是匹配结果的三维矩阵,c是神经网络输出置信度的三维矩阵,Lloc是位置损失函数,Lconf是置信损失函数,其中α是位置损失与置信损失的平衡权重项,取值为1,N是在执行所述权利要求3的匹配策略后与真实框相匹配的默认框个数;
在置信损失函数中Pos是所有的正样本,Neg是所有的负样本, 是第i个默认框和第j个真实框对于危险品类别p是否匹配的指示变量,取值为1时表示匹配,取值为0表示不匹配, 表示神经网络对类别p输出的置信度,权重项β=0.25;
在位置损失函数中,仅计算正样本所造成的损失, 预测框的位置信息, 是真实框的位置信息,cx,cy是检测框的左下角的横坐标与纵坐标,w,h分别是检测框的宽度和高度。
6.根据权利要求1所述的一种基于X射线图像的智能危险品检测方法,其特征在于,所述步骤(9)通过以下公式实现:其中,si是对每个类别的概率矩阵,σ是权重项,bi是第i个默认框,M是当前类别中置信度最高的默认框。
7.一种如权利要求1所述的基于X射线图像的智能危险品检测系统,其特征在于,包括X光安检机,流媒体服务器,GPU服务器和监控报警终端;所述X光安检机对物体发出X射线,并根据射线透过率,生成X光图像视频流,并传输至监控报警终端和所流媒体服务器;所述流媒体服务器对X光视频流进行编码和压缩后通过网络传送至GPU服务器;所述GPU服务器对视频流进行解码后基于X射线图像的智能危险品检测方法进行预测,生成结果元组,并传输给报警终端;所述报警终端获取X光图像视频流和结果元组并显示。
8.根据权利要求7所述的一种基于X射线图像的智能危险品检测系统,其特征在于所述检测系统包括远程传输服务器,将视频流传到云端并从云端获取返回结果元组。