Por que é difícil melhorar a precisão do sistema inteligente de inspeção e identificação de segurança

Por que é difícil melhorar a precisão do sistema inteligente de inspeção e identificação de segurança?

A geração de imagens do mesmo item em diferentes máquinas de inspeção de segurança pode ser muito diferente, o que é um motivo importante para a dificuldade em melhorar a precisão do sistema inteligente de identificação de inspeção de segurança e a dificuldade em resolver os problemas de compatibilidade e adaptabilidade.
Para explicar esse problema, vamos começar com o processo de geração de imagens de raios X.

1. Do sinal do detector para a imagem RGB

Durante a verificação de segurança, os passageiros colocam suas bagagens na esteira rolante da máquina de inspeção de segurança. A bagagem entra na máquina de inspeção de segurança junto com a esteira rolante, acionando a fonte de raios para emitir feixes de raios X. O feixe de raios X penetra na bagagem e cai no detector, e o detector coletará. Os fótons de raios são convertidos em dados mensuráveis ​​de alta e baixa energia, e imagens de segurança RGB são geradas após processamento e operações complexas.

No processo de geração de imagens de inspeção de segurança, os dados emitidos por detectores de diferentes modelos e anos de uso são diferentes, e o processamento de dados, processamento de imagens, correção geométrica e esquemas de cores de diferentes marcas de máquinas de inspeção de segurança são diferentes, o que causará enormes diferenças nas imagens de raios X.

2. O pesadelo da discrepância de imagem e reconhecimento de modelo

As imagens geradas por diferentes máquinas de inspeção de segurança por raios X são diferentes em termos de correspondência de cores, pixels, deformação geométrica, etc. Para o modelo de aprendizado profundo, imagens com informações-chave ligeiramente diferentes, como cor e forma, podem ser duas imagens completamente diferentes, que precisam ser reaprendidas.

(Imagens da mesma bagagem em diferentes máquinas de triagem de segurança por raios X)

O modelo de aprendizado profundo não tem capacidade de generalização suficiente, e é difícil identificar imagens com grandes diferenças. Portanto, a diferença de imagens de raio-X levará a problemas como baixa eficiência de aprendizado do modelo, dificuldade no treinamento do modelo e dificuldade em melhorar a precisão do reconhecimento.

3. Vantagens do esquema de identificação de dados subjacente à máquina de inspeção de segurança

Em resposta ao problema de identificação inteligente causado por diferenças nas imagens de raios X, a Safeagle Technology foi pioneira no esquema de identificação dos dados subjacentes da máquina de inspeção de segurança, que é modelado e identificado pela aquisição dos dados subjacentes da máquina de inspeção de segurança.

A vantagem desta solução é que os dados subjacentes de diferentes marcas de máquinas de inspeção de segurança têm pouca diferença e são fáceis de calibrar. Pode ser processado para formar uma imagem de raio-X padrão unificada, que é mais fácil para modelos de aprendizado profundo aprenderem e identificarem, o que pode melhorar muito a eficiência do treinamento do modelo e efetivamente melhorar a precisão do reconhecimento do modelo, resolver completamente os problemas de compatibilidade e adaptabilidade do sistema e identificar com precisão vários componentes líquidos.

Da perspectiva do ambiente geral, o desenvolvimento atual de produtos de inspeção de segurança é de grande importância para a construção econômica e social de vários países. Vale a pena olhar para frente para ver como será o futuro.