国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于云計算的X射線違禁品檢測系統(tǒng)的制作方法

      文檔序號:11047383閱讀:665來源:國知局
      一種基于云計算的X射線違禁品檢測系統(tǒng)的制造方法與工藝

      本實(shí)用新型涉及安檢領(lǐng)域,具體說涉及一種基于云計算的X射線違禁品檢測系統(tǒng)。



      背景技術(shù):

      我國的安檢工作中X關(guān)機(jī)安檢設(shè)備已得到大規(guī)模推廣應(yīng)用。但是隨著出入境人數(shù)的增加,機(jī)場規(guī)模不斷擴(kuò)大,入境外來有害生物入侵事件逐年急劇增多。根據(jù)《2015 年中國快遞行業(yè)發(fā)展現(xiàn)狀分析》統(tǒng)計數(shù)據(jù)顯示, 2010 年快遞日最高處理量1000 萬件, 2011 年1800 萬件, 2012 年3000 萬件,根據(jù)2013年海關(guān)統(tǒng)計數(shù)據(jù),除傳統(tǒng)貨運(yùn)渠道,我國進(jìn)出口郵件(包裹)已超過5億個;2014年我國快遞140億件,成為世界第一快遞、物流大國。據(jù)有關(guān)部門統(tǒng)計,2013年共截獲植物有害生物39種、235次,多次截獲西部莧、豚草和松材線蟲等檢疫性有害生物;截獲禁止進(jìn)境物409批次、101個品種、755.3公斤,截獲問題郵件41批次。如此繁重的工作強(qiáng)度,增加了工作人員的勞動強(qiáng)度,并且由于安檢人員技術(shù)水平層次不齊或者長時間工作過于疲勞等因素容易造成漏檢、誤檢;對于槍支、刀具等違禁品的查驗(yàn)及進(jìn)口動植物的檢驗(yàn)檢疫仍依賴于人工對X光機(jī)圖像進(jìn)行查看,工作強(qiáng)度大,工作效率低;目前,公共安全領(lǐng)域安檢物品通過X光機(jī)的安檢圖像主要保存在PC機(jī)上,而上傳到服務(wù)器中的X光機(jī)圖像每天以翻倍的數(shù)據(jù)量在增長,對系統(tǒng)檢索、讀取造成了很大壓力;為有效提高查驗(yàn)效率及檢出率,確保國內(nèi)檢驗(yàn)安全,需要一種智能、高效、快速的檢驗(yàn)設(shè)備來完成相關(guān)工作。



      技術(shù)實(shí)現(xiàn)要素:

      針對現(xiàn)有技術(shù)存在的問題,本實(shí)用新型目的在于提供一種基于云計算的X射線違禁品檢測系統(tǒng)。

      本實(shí)用新型所要解決的技術(shù)問題是通過以下方案實(shí)現(xiàn)的:

      提出一種基于云計算的X射線違禁品檢測系統(tǒng),包括圖像獲取單元,違禁品判別標(biāo)定單元,聲光報警單元,顯示單元,深度學(xué)習(xí)單元;其中,所述圖像獲取單元用以獲取檢測物的可見光圖片和X光機(jī)圖片;所述違禁品判別標(biāo)定單元用以識別所述圖像獲取單元獲取的可見光圖片和X光機(jī)圖片是否具有違禁品并在X光機(jī)圖片上自動標(biāo)出違禁品位置;所述聲光報警單元用于對所述違禁品判別標(biāo)定單元識別出的違禁品發(fā)出聲光報警;所述顯示單元用以顯示所述違禁品判別標(biāo)定單元處理后的檢測物的可見光圖片和X光機(jī)圖片;所述深度學(xué)習(xí)單元設(shè)置數(shù)據(jù)存儲模塊,中央處理模塊和數(shù)據(jù)查詢模塊,用以存儲,查詢,運(yùn)算,處理,累計學(xué)習(xí)所述圖像獲取單元,違禁品判別標(biāo)定單元,聲光報警單元及顯示單元的數(shù)據(jù)信息。

      上述的一種基于云計算的X射線違禁品檢測系統(tǒng)中,所述圖像獲取單元設(shè)置攝像頭和X光機(jī)。

      上述的一種基于云計算的X射線違禁品檢測系統(tǒng)中,所述聲光報警單元設(shè)置報警燈和報警器。

      上述的一種基于云計算的X射線違禁品檢測系統(tǒng)中,所述顯示單元還顯示所述違禁品判別標(biāo)定單元標(biāo)定的違禁品圖片位置。

      上述的一種基于云計算的X射線違禁品檢測系統(tǒng)中,所述顯示單元設(shè)置顯示屏和/或移動終端。

      上述的一種基于云計算的X射線違禁品檢測系統(tǒng)中,所述中央處理模塊采用深度學(xué)習(xí)技術(shù)包含至少一個隱層的深度學(xué)習(xí)模型,將任務(wù)分解成至少一個抽象層次處理。初步識別圓狀水果、粉末狀物品、管制刀具、槍支的特征,運(yùn)用基于深度神經(jīng)網(wǎng)絡(luò)及算法優(yōu)化,將初步識別的物品特征不斷進(jìn)行數(shù)據(jù)累計與算法迭代,快速識別物品特征。

      相對于現(xiàn)有技術(shù)本實(shí)用新型的有益效果是:

      1)具有智能快速識別圓狀水果、粉末狀物品、管制刀具、槍支等違禁品功能,可發(fā)出聲光報警,并在X光機(jī)圖片上自動標(biāo)出違禁品位置;

      2)具有自主學(xué)習(xí)功能,通過對識別出的圓狀水果、粉末狀物品、管制刀具、槍支等特征不斷進(jìn)行數(shù)據(jù)累計與算法迭代,實(shí)現(xiàn)違禁品檢測的精、準(zhǔn)、快。

      附圖說明

      圖1為本實(shí)用新型基于云計算的X射線違禁品檢測系統(tǒng)的結(jié)構(gòu)示意圖。

      圖2為深度學(xué)習(xí)單元含多個隱層的深度學(xué)習(xí)模型示意圖。

      具體實(shí)施方式

      為了使本實(shí)用新型的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,一下結(jié)合附圖及實(shí)施例,對本實(shí)用新型進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本實(shí)用新型,并不用于限定本實(shí)用新型。

      如圖1所示,本實(shí)用新型提出一種基于云計算的X射線違禁品檢測系統(tǒng)包括圖像獲取單元,違禁品判別標(biāo)定單元,聲光報警單元,顯示單元,深度學(xué)習(xí)單元;其中,所述圖像獲取單元用以獲取檢測物的可見光圖片和X光機(jī)圖片;所述違禁品判別標(biāo)定單元用以識別所述圖像獲取單元獲取的可見光圖片和X光機(jī)圖片是否具有違禁品并在X光機(jī)圖片上自動標(biāo)出違禁品位置;所述聲光報警單元用于對所述違禁品判別標(biāo)定單元識別出的違禁品發(fā)出聲光報警;所述顯示單元用以顯示所述違禁品判別標(biāo)定單元處理后的檢測物的可見光圖片和X光機(jī)圖片;所述深度學(xué)習(xí)單元設(shè)置數(shù)據(jù)存儲模塊,中央處理模塊和數(shù)據(jù)查詢模塊,用以存儲,查詢,運(yùn)算,處理,累計學(xué)習(xí)所述圖像獲取單元,違禁品判別標(biāo)定單元,聲光報警單元及顯示單元的數(shù)據(jù)信息。

      圖像獲取單元獲取待檢測物的可見光圖像和/或X光機(jī)圖像,通過有線通信或無線通信的方式傳輸至違禁品判別標(biāo)定單元及深度學(xué)習(xí)單元,如果待檢測物含有違禁品,違禁品判別標(biāo)定單元自動在X光機(jī)圖像上標(biāo)出違禁品位置并在顯示單元上進(jìn)行顯示,同時聲光報警單元發(fā)出報警。深度學(xué)習(xí)單元將檢測物所有信息進(jìn)行存儲,并持續(xù)將數(shù)據(jù)累計與算法迭代,形成含多個隱層的深度學(xué)習(xí)模型,將任務(wù)分解成多個抽象層次處理,進(jìn)而調(diào)整物體專屬參數(shù)。

      優(yōu)選地,所述圖像獲取單元設(shè)置攝像頭和X光機(jī)。

      優(yōu)選地,所述聲光報警單元設(shè)置報警燈和報警器。

      優(yōu)選地,所述顯示單元設(shè)置顯示屏和/或移動終端。

      優(yōu)選地,所述顯示單元還顯示所述違禁品判別標(biāo)定單元標(biāo)定的違禁品圖片位置。

      優(yōu)選地,所述中央處理模塊采用深度學(xué)習(xí)技術(shù)包含至少一個隱層的深度學(xué)習(xí)模型,將任務(wù)分解成至少一個抽象層次處理。

      如圖2所示,含多個隱層的深度學(xué)習(xí)模型示意圖,深度學(xué)習(xí)單元采用深度學(xué)習(xí)技術(shù)初步識別圓狀水果、粉末狀物品、管制刀具、槍支的特征,將任務(wù)分解成多個抽象層次去處理,運(yùn)用基于深度神經(jīng)網(wǎng)絡(luò)及算法優(yōu)化,將初步識別的物品特征不斷進(jìn)行數(shù)據(jù)累計與算法迭代,組合底層特征形成更加抽象的高層表示屬性類別或者特征,訓(xùn)練軟件調(diào)整物品的專屬參數(shù),快速識別物品特征。

      上述方式中未述及的有關(guān)內(nèi)容采取或借鑒已有技術(shù)即可實(shí)現(xiàn)。

      以上實(shí)施方式僅用于說明本實(shí)用新型,而并非對本實(shí)用新型的限制,有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員,在不脫離本實(shí)用新型的精神和范圍的情況下,還可以做出各種變化和變型,因此所有等同的技術(shù)方案也屬于本實(shí)用新型的保護(hù)范疇。

      當(dāng)前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1