Perché è difficile migliorare l'accuratezza del sistema intelligente di ispezione e identificazione della sicurezza?

Perché è difficile migliorare la precisione del sistema intelligente di ispezione e identificazione della sicurezza?

Le immagini dello stesso articolo su diverse macchine di ispezione di sicurezza possono essere molto diverse, il che è un motivo importante per cui è difficile migliorare la precisione del sistema di identificazione intelligente per l'ispezione di sicurezza e risolvere i problemi di compatibilità e adattabilità.
Per spiegare questo problema, partiamo dal processo di generazione delle immagini radiografiche.

1. Dal segnale del rilevatore all'immagine RGB

Durante il controllo di sicurezza, i passeggeri posizionano i bagagli sul nastro trasportatore della macchina per l'ispezione di sicurezza. I bagagli entrano nella macchina per l'ispezione di sicurezza insieme al nastro trasportatore, attivando la sorgente di raggi per emettere raggi X. Il raggio di raggi X penetra nei bagagli e cade sul rilevatore, che raccoglierà i dati. I fotoni dei raggi vengono convertiti in dati misurabili ad alta e bassa energia e vengono generate immagini di sicurezza RGB dopo complesse elaborazioni e operazioni.

Nel processo di generazione delle immagini per l'ispezione di sicurezza, i dati in uscita dai rilevatori di diversi modelli e anni di utilizzo sono diversi, così come l'elaborazione dei dati, l'elaborazione delle immagini, la correzione geometrica e gli schemi di colorazione dei diversi marchi di macchine per l'ispezione di sicurezza sono diversi, il che comporterà enormi differenze nelle immagini a raggi X.

2. L'incubo della discrepanza delle immagini e del riconoscimento del modello

Le immagini generate da diverse macchine di ispezione di sicurezza a raggi X sono diverse in termini di corrispondenza dei colori, pixel, deformazione geometrica, ecc. Per il modello di apprendimento profondo, le immagini con informazioni chiave leggermente diverse come colore e forma possono essere due immagini completamente diverse, che devono essere nuovamente apprese.

(Immagine dello stesso bagaglio sotto diverse macchine di controllo di sicurezza a raggi X)

Il modello di apprendimento profondo non ha una capacità di generalizzazione sufficiente ed è difficile identificare immagini con grandi differenze. Pertanto, la differenza delle immagini a raggi X porterà a problemi come bassa efficienza di apprendimento del modello, difficoltà nell'addestramento del modello e difficoltà nel migliorare l'accuratezza del riconoscimento.

3. Vantaggi dello schema di identificazione dei dati di base della macchina di ispezione di sicurezza

In risposta al problema dell'identificazione intelligente causato dalle differenze nelle immagini a raggi X, Safeagle Technology ha ideato uno schema di identificazione dei dati sottostanti della macchina di ispezione di sicurezza, che viene modellato e identificato mediante l'acquisizione dei dati sottostanti della macchina di ispezione di sicurezza.

Il vantaggio di questa soluzione è che i dati sottostanti di diverse marche di macchine di ispezione di sicurezza hanno poche differenze e sono facili da calibrare. Possono essere elaborati per formare un'immagine radiografica standard unificata, che è più facile da apprendere e identificare per i modelli di apprendimento profondo, il che può migliorare notevolmente l'efficienza dell'addestramento del modello e migliorare efficacemente l'accuratezza del riconoscimento del modello, risolvere completamente i problemi di compatibilità e adattabilità del sistema e identificare accuratamente vari componenti liquidi.

Dal punto di vista dell'ambiente generale, l'attuale sviluppo dei prodotti di ispezione di sicurezza è di grande importanza per la costruzione economica e sociale di vari paesi. Vale la pena guardare avanti a come sarà il futuro.