De ce este dificil de îmbunătățit acuratețea sistemului inteligent de inspecție și identificare de securitate

De ce este dificil de îmbunătățit acuratețea sistemului inteligent de inspecție și identificare a securității?

Imaginile aceluiași articol în diferite mașini de inspecție de securitate pot fi foarte diferite, ceea ce este un motiv important pentru dificultatea de a îmbunătăți acuratețea sistemului inteligent de identificare a inspecției de securitate și dificultatea de a rezolva problemele de compatibilitate și adaptabilitate.
Pentru a explica această problemă, să începem cu procesul de generare a imaginilor cu raze X.

1. De la semnalul detectorului la imaginea RGB

În timpul controlului de securitate, pasagerii își pun bagajele pe banda transportoare a mașinii de inspecție de securitate. Bagajul intră în mașina de inspecție de securitate împreună cu banda transportoare, declanșând sursa de raze să emită fascicule de raze X. Fasciculul de raze X pătrunde în bagaj și cade pe detector, iar detectorul se va colecta. Fotonii razelor sunt convertiți în date măsurabile cu energie înaltă și scăzută, iar imaginile de securitate RGB sunt generate după procesări și operațiuni complexe.

În procesul de generare a imaginilor de inspecție de securitate, datele de ieșire de către detectoare de diferite modele și ani de utilizare sunt diferite, iar procesarea datelor, procesarea imaginilor, corecția geometrică și schemele de colorare ale diferitelor mărci de mașini de inspecție de securitate sunt diferite, ceea ce va aduce despre diferențe uriașe în imaginile cu raze X.

2. Coșmarul discrepanței de imagine și al recunoașterii modelului

Imaginile generate de diferite mașini de inspecție cu raze X sunt diferite în ceea ce privește potrivirea culorilor, pixelii, deformarea geometrică etc. Pentru modelul de învățare profundă, imaginile cu informații cheie ușor diferite, cum ar fi culoarea și forma, pot fi două imagini complet diferite, care trebuie reînvățate.

(Imagini ale aceluiași bagaj sub diferite aparate de control cu ​​raze X)

Modelului de învățare profundă îi lipsește suficientă capacitate de generalizare și este dificil să identifici imagini cu diferențe mari. Prin urmare, diferența dintre imaginile cu raze X va duce la probleme cum ar fi eficiența scăzută a învățării modelului, dificultatea în pregătirea modelului și dificultatea de a îmbunătăți acuratețea recunoașterii.

3. Avantajele schemei de identificare a datelor de bază a mașinii de inspecție de securitate

Ca răspuns la problema identificării inteligente cauzată de diferențele dintre imaginile cu raze X, Tehnologia Safeagle a fost pionier în schema de identificare a datelor de bază ale mașinii de inspecție de securitate, care este modelată și identificată prin achiziționarea datelor de bază ale mașinii de inspecție de securitate.

Avantajul acestei soluții este că datele de bază ale diferitelor mărci de mașini de inspecție de securitate au o diferență mică și sunt ușor de calibrat. Poate fi procesat pentru a forma o imagine cu raze X standard unificate, care este mai ușor de învățat și identificat pentru modelele de învățare profundă, ceea ce poate îmbunătăți considerabil eficiența antrenării modelului și poate îmbunătăți eficient acuratețea recunoașterii modelului, rezolvă complet problemele sistemului compatibilitate și adaptabilitate și identificați cu precizie diverse componente lichide.

Din perspectiva mediului general, dezvoltarea actuală a produselor de inspecție de securitate are o mare importanță pentru construcția economică și socială a diferitelor țări. Merită să așteptăm cu nerăbdare cum va fi viitorul.