一种X光成像和CNN的快递包裹违禁品检测方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111474186 A (43)申请公布日 2020.07.31 (21)申请号 202010244249.2 (22)申请日 2020.03.31 (71)申请人 安徽理工大学 地址 232001 安徽省淮南市山南新区泰丰 大街168号 (72)发明人 胡天羽　徐双　 (51)Int.Cl. G01N 23/04(2018.01) G01V 5/00(2006.01) G06T 7/00(2017.01) 权利要求书1页 说明书4页 附图2页 (54)发明名称 一种X光成像和CNN的快递包裹违禁品检测 方法 (57)摘要 本发明公开一种X光成像和CNN的快递包裹 违禁品检测方法，涉及光学工程与人工智能领 域，包括以下步骤：(1)包裹X光图像信息的获取； (2)包裹X光图像样本的划分；(3)包裹X光图像的 特征提取；(4)随机森林违禁品包裹识别模型构 建。本发明采用CNN-RF进行快递包裹违禁品检测 模型的构建，提出一种新的卷积神经网络模型能 够提取更多、更有效的特征信息，且可以避免过 拟合，使用两块GPU进行训练极大的提高了训练 的速度，非常适合快递包裹违禁品的精准、快速 检测。 A 6 8 1 4 7 4 1 1 1 N C CN 111474186 A 权　利　要　求　书 1/1页 1.一种X光成像和CNN的快递包裹是否含有违禁品检测方法，包括以下步骤： (1)包裹X光图像信息的获取。 (2)包裹X光图像样本的划分。 (3)包裹X光图像的特征提取。 (4)随机森林违禁品包裹识别模型构建。 2.根据权利要求1所述的一种X光成像和CNN，的快递包裹是否含有违禁品检测方法，其 特征在于：所述步骤(1)中，利用X光成像技术，获取包裹的的图像信息，得到包裹的图像数 据集。 3.根据权利要求1所述的一种X光成像和CNN，的快递包裹是否含有违禁品检测方法，其 特征在于：所述步骤(2)中，采用随机抽样的方式将所采集的包裹图像数据按一定比例划分 为独立不重复的训练集和测试集。 4.根据权利要求1所述的一种X光成像和CNN，的快递包裹是否含有违禁品检测方法，其 特征在于：所述步骤(3)中，用于提取X光图像信息特征的卷积神经网络(Convolutional  Neural Networks，CNN)是一种包含8个训练参数的网络，网络结构包括卷积层、局部响应归 一化层、池化层、全连接层等。 5.根据权利要求1所述的一种X光成像和CNN，的快递包裹是否含有违禁品检测方法，其 特征在于：所述步骤(4)中，利用CNN提取X光图像特征在训练集上构建随机森林(Random  forest)违禁品识别模型，确定识别模型的参数，然后利用测试集来检测识别效果，验证模 型性能。 2 2 CN 111474186 A 说　明　书 1/4页 一种X光成像和CNN的快递包裹违禁品检测方法 技术领域 [0001] 本发明涉及光学工程与人工智能领域，主要是一种对于快递包裹中是否含有违禁 品的检测方法。 背景技术 [0002] 随着近年来经济的发展，快递市场日益繁荣，快递行业是劳动密集型行业，工作时 间长，流程较为复杂。