Почему точность интеллектуальной системы досмотра и идентификации безопасности трудно повысить?

Почему точность интеллектуальной системы досмотра и идентификации безопасности трудно повысить?

Изображение одного и того же предмета на разных досмотровых машинах может существенно отличаться, что является важной причиной сложности повышения точности интеллектуальной системы идентификации досмотра, а также сложности решения проблем совместимости и адаптивности.
Чтобы объяснить эту проблему, давайте начнем с процесса получения рентгеновских изображений.

1. От сигнала детектора к RGB-изображению

Во время проверки безопасности пассажиры размещают свой багаж на конвейерной ленте машины досмотра безопасности. Багаж поступает в машину досмотра безопасности вместе с конвейерной лентой, что приводит к тому, что источник излучения испускает рентгеновские лучи. Рентгеновский луч проникает в багаж и попадает на детектор, который собирает его. Фотоны лучей преобразуются в измеримые данные высокой и низкой энергии, а изображения безопасности RGB генерируются после сложной обработки и операций.

В процессе формирования изображения для досмотра выходные данные детекторов разных моделей и годов эксплуатации различаются, а обработка данных, обработка изображений, геометрическая коррекция и схемы окраски разных марок досмотровых машин различаются, что приводит к огромным различиям в рентгеновских изображениях.

2. Кошмар несоответствия изображения и распознавания модели

Изображения, полученные с помощью различных рентгеновских досмотровых машин, различаются по цветопередаче, пикселям, геометрической деформации и т. д. Для модели глубокого обучения изображения с немного отличающейся ключевой информацией, такой как цвет и форма, могут оказаться двумя совершенно разными изображениями, которые необходимо изучить заново.

(Снимки одного и того же багажа под разными рентгеновскими аппаратами досмотра)

Модель глубокого обучения не обладает достаточной способностью к обобщению, и ей сложно идентифицировать изображения с большими различиями. Поэтому различие рентгеновских снимков приведет к таким проблемам, как низкая эффективность обучения модели, сложность обучения модели и сложность повышения точности распознавания.

3. Преимущества базовой схемы идентификации данных машины досмотра безопасности

В ответ на проблему интеллектуальной идентификации, вызванную различиями в рентгеновских изображениях, компания Safeagle Technology разработала схему идентификации базовых данных досмотровой машины, которая моделируется и идентифицируется путем получения базовых данных досмотровой машины.

Преимущество этого решения заключается в том, что базовые данные различных марок машин для досмотра безопасности имеют небольшие различия и легко калибруются. Их можно обрабатывать для формирования единого стандартного рентгеновского изображения, которое легче изучать и идентифицировать моделям глубокого обучения, что может значительно повысить эффективность обучения модели и эффективно повысить точность распознавания модели, полностью решить проблемы совместимости и адаптивности системы и точно идентифицировать различные жидкие компоненты.

С точки зрения общей среды, текущее развитие продуктов инспекции безопасности имеет большое значение для экономического и социального строительства различных стран. Стоит с нетерпением ждать, каким будет будущее.