基于深度学习的X光图像违禁品检测结题报告.docVIP

基于深度学习的X光图像违禁品检测结题报告

一、项目背景与研究意义

在全球安全形势日益复杂的背景下，违禁品走私、运输等行为对公共安全、社会稳定构成严重威胁。机场、车站、海关等场所作为人员与物资流动的关键节点，违禁品检测成为安全防控体系中的核心环节。传统X光图像违禁品检测主要依赖人工识别，存在效率低、漏检率高、易受主观因素影响等弊端。据统计，人工检测的平均漏检率约为15%-20%，且在高强度工作状态下漏检率会进一步上升。

深度学习技术的快速发展为X光图像违禁品检测提供了新的解决方案。通过构建深度神经网络模型，可自动学习X光图像中违禁品的特征，实现高效、准确的自动检测。本项目旨在研发一套基于深度学习的X光图像违禁品检测系统，提升违禁品检测的效率与精度，为公共安全领域的智能化防控提供技术支撑。

二、数据集构建与预处理

（一）数据集收集

项目团队通过多渠道收集X光图像数据，涵盖了常见的违禁品类型，包括枪支、刀具、爆炸物、毒品等。数据集主要来源于三个方面：一是与机场、海关等合作单位获取的真实安检图像数据，共收集到12000张；二是公开的X光图像数据集，如SIXray、GDXray等，从中筛选出8000张有效图像；三是通过模拟场景拍摄生成的合成数据，补充了一些罕见违禁品及复杂遮挡场景下的图像，共5000张。最终构建的数据集包含25000张X光图像，其中违禁品图像10000张，正常物品图像1500