Miért nehéz javítani az intelligens biztonsági ellenőrző és azonosító rendszer pontosságát?

Miért nehéz javítani az intelligens biztonsági ellenőrző és azonosító rendszer pontosságát?

Ugyanazon cikk leképezése a különböző biztonsági ellenőrző gépekben nagyon eltérő lehet, ami fontos oka az intelligens biztonsági ellenőrzési azonosító rendszer pontosságának javításának, illetve a kompatibilitási és alkalmazkodóképességi problémák megoldásának.
A probléma magyarázatához kezdjük a röntgenképek előállításának folyamatával.

1. Az érzékelő jelétől az RGB képig

A biztonsági ellenőrzés során az utasok csomagjaikat a biztonsági ellenőrző gép futószalagjára helyezik. A csomagok a szállítószalaggal együtt belépnek a biztonsági ellenőrző gépbe, és a sugárforrást röntgensugarak kibocsátására indítják. A röntgensugár áthatol a poggyászon és ráesik az érzékelőre, és az érzékelő összegyűjti. A sugárfotonokat mérhető nagy és alacsony energiájú adatokká alakítják, és összetett feldolgozás és műveletek után RGB biztonsági képek keletkeznek.

A biztonsági ellenőrző képalkotás során a különböző modellek és használati évek detektorainak adatkimenete eltérő, a különböző biztonsági ellenőrző gépmárkák adatfeldolgozása, képfeldolgozása, geometriai korrekciója, színezési sémái eltérőek, ami a röntgenképek óriási különbségeiről.

2. A képi eltérés és a modellfelismerés rémálma

A különböző röntgensugaras biztonsági ellenőrző gépek által generált képek eltérőek a színegyeztetés, a pixelek, a geometriai deformáció stb. tekintetében. A mély tanulási modell esetében a kissé eltérő kulcsinformációkkal, például színnel és alakkal rendelkező képek két teljesen különböző kép is lehet, amelyeket újra kell tanulni.

(Ugyanazon poggyász leképezése különböző röntgensugaras biztonsági átvizsgáló gépekkel)

A mélytanulási modellből hiányzik a kellő általánosító képesség, és nehéz azonosítani a nagy eltéréseket mutató képeket. Ezért a röntgenképek különbsége olyan problémákhoz vezet, mint a modelltanulás alacsony hatékonysága, a modellképzés nehézségei és a felismerési pontosság javításának nehézségei.

3. A biztonsági ellenőrző gép mögöttes adatazonosító séma előnyei

A röntgenképek eltéréseiből adódó intelligens azonosítás problémájára válaszul a Safeagle Technology úttörő szerepet játszott a biztonsági ellenőrző gép mögöttes adatok azonosítási sémájában, amelyet a biztonsági ellenőrző gép mögöttes adatok beszerzésével modelleznek és azonosítanak.

Ennek a megoldásnak az az előnye, hogy a különböző márkájú biztonsági ellenőrző gépek mögöttes adatok alig különböznek egymástól, és könnyen kalibrálhatók. Feldolgozható egységes szabványos röntgenkép kialakítására, amelyet a mélytanulási modellek könnyebben megtanulhatnak és azonosíthatnak, ami nagymértékben javíthatja a modellképzés hatékonyságát és hatékonyan javíthatja a modellfelismerés pontosságát, teljesen megoldja a rendszer problémáit. kompatibilitás és alkalmazkodóképesség, valamint a különböző folyékony összetevők pontos azonosítása.

Az általános környezet szempontjából a biztonsági ellenőrzési termékek jelenlegi fejlesztése nagy jelentőséggel bír a különböző országok gazdasági és társadalmi felépítése szempontjából. Érdemes kíváncsian várni, milyen lesz a jövő.