¿Por qué es difícil mejorar la precisión del sistema de inspección e identificación de seguridad inteligente?

¿Por qué es difícil mejorar la precisión del sistema de inspección e identificación de seguridad inteligente?

La obtención de imágenes del mismo artículo en diferentes máquinas de inspección de seguridad puede ser muy diferente, lo que constituye una razón importante para la dificultad de mejorar la precisión del sistema de identificación de inspección de seguridad inteligente y la dificultad de resolver los problemas de compatibilidad y adaptabilidad.
Para explicar este problema, comencemos con el proceso de generación de imágenes de rayos X.

1. De la señal del detector a la imagen RGB

Durante el control de seguridad, los pasajeros colocan su equipaje en la cinta transportadora de la máquina de inspección de seguridad. El equipaje ingresa a la máquina de inspección de seguridad junto con la cinta transportadora, lo que activa la fuente de rayos para emitir rayos X. El haz de rayos X penetra en el equipaje y cae sobre el detector, que lo recoge. Los fotones de rayos se convierten en datos medibles de alta y baja energía, y se generan imágenes de seguridad RGB después de un procesamiento y operaciones complejos.

En el proceso de generación de imágenes de inspección de seguridad, la salida de datos de los detectores de diferentes modelos y años de uso es diferente, y el procesamiento de datos, el procesamiento de imágenes, la corrección geométrica y los esquemas de coloración de las diferentes marcas de máquinas de inspección de seguridad son diferentes, lo que generará enormes diferencias en las imágenes de rayos X.

2. La pesadilla de la discrepancia de imágenes y el reconocimiento de modelos

Las imágenes generadas por diferentes máquinas de inspección de seguridad con rayos X son diferentes en términos de coincidencia de colores, píxeles, deformación geométrica, etc. Para el modelo de aprendizaje profundo, las imágenes con información clave ligeramente diferente, como el color y la forma, pueden ser dos imágenes completamente diferentes, que deben volver a aprenderse.

(Imágenes del mismo equipaje bajo diferentes máquinas de control de seguridad con rayos X)

El modelo de aprendizaje profundo carece de suficiente capacidad de generalización y es difícil identificar imágenes con grandes diferencias. Por lo tanto, la diferencia de imágenes de rayos X provocará problemas como baja eficiencia de aprendizaje del modelo, dificultad en el entrenamiento del modelo y dificultad para mejorar la precisión del reconocimiento.

3. Ventajas del esquema de identificación de datos subyacente de la máquina de inspección de seguridad

En respuesta al problema de la identificación inteligente causada por las diferencias en las imágenes de rayos X, Safeagle Technology ha sido pionero en el esquema de identificación de los datos subyacentes de la máquina de inspección de seguridad, que se modela e identifica mediante la adquisición de los datos subyacentes de la máquina de inspección de seguridad.

La ventaja de esta solución es que los datos subyacentes de las distintas marcas de máquinas de inspección de seguridad tienen pocas diferencias y son fáciles de calibrar. Se pueden procesar para formar una imagen de rayos X estándar unificada, que es más fácil de aprender e identificar para los modelos de aprendizaje profundo, lo que puede mejorar en gran medida la eficiencia del entrenamiento del modelo y mejorar de manera efectiva la precisión del reconocimiento del modelo, resolver por completo los problemas de compatibilidad y adaptabilidad del sistema e identificar con precisión varios componentes líquidos.

Desde la perspectiva del entorno general, el desarrollo actual de los productos de inspección de seguridad tiene una gran importancia para la construcción económica y social de varios países. Vale la pena mirar hacia adelante para ver cómo será el futuro.