[发明专利]一种X光图像检测方法、装置、电子设备及存储介质

权利要求书

1.一种X光图像检测方法，其特征在于，所述方法包括：

将待检测的第一X光图像输入到预先训练完成的物品检测模型中，其中所述物品检测模型中保存有经过神经网络训练完成的权重参数文件，所述权重参数文件中包括预测不同类别的物品时，预设数量的顶点对应的坐标权重，其中所述预设数量为至少四个；

基于所述物品检测模型，确定所述第一X光图像中包含的每个物品归属的第一类别，及每个物品对应的预设数量的顶点的第一坐标；

根据所述每个物品归属的第一类别，及所述每个物品对应的预设数量的顶点的第一坐标，在所述第一X光图像中对所述每个物品进行标注。

2.如权利要求1所述的方法，其特征在于，所述将待检测的第一X光图像输入到预先训练完成的物品检测模型中之前，所述方法还包括：

对待检测的所述第一X光图像进行预处理；

所述将待检测的第一X光图像输入到预先训练完成的物品检测模型中包括：

将预处理后的所述第一X光图像，输入到所述物品检测模型中。

3.如权利要求1所述的方法，其特征在于，基于神经网络的所述物品检测模型的训练过程包括：

针对训练集中的每个第二X光图像，获取所述第二X光图像中被人工标记的每个物品对应的预设数量的顶点的第二坐标，及每个物品归属的第二类别；

根据获取的所述第二X光图像中每个物品对应的预设数量的顶点的第二坐标，及每个物品归属的第二类别，及将所述第二X光图像输入到物品检测模型中，获取每个物品对应的预设数量的顶点的第三坐标和每个物品归属的第三类别，对所述物品检测模型进行迭代训练，并对所述物品检测模型中保存的初始权重参数文件进行迭代训练。

4.如权利要求3所述的方法，其特征在于，所述将所述第二X光图像输入到物品检测模型中，获取每个物品对应的预设数量的顶点的第三坐标和每个物品归属的第三类别包括：

所述物品检测模型识别所述第二X光图像中的每个物品及每个物品归属的第三类别；

针对每个物品，根据所述物品归属的第三类别，在权重参数文件中确定该第三类别的物品对应的预设数量的顶点的坐标权重；根据该第三类别预设数量的顶点的坐标权重，确定该第三类别的物品每个顶点的坐标偏移系数；根据预设数量的顶点的初始坐标，及该第三类别的物品每个顶点的坐标偏移系数，确定归属该第三类别的该物品对应的预设数量的顶点的第三坐标。

5.如权利要求3或4所述的方法，其特征在于，所述对所述物品检测模型进行迭代训练，并对所述物品检测模型中保存的初始权重参数文件进行迭代训练包括：

针对所述第二X光图像中每个物品对应的预设数量的顶点的第三坐标和第二坐标、每个物品归属的第三类别和第二类别，及所述物品检测模型中的损失函数，确定对应的损失函数输出值；

判断所述损失函数输出值是否小于预设值；

如果否，通过神经网络反向传播计算，对物品检测模型中保存的所述权重参数文件中该物品归属的第三类别的预设数量的顶点的坐标权重进行更新；

如果是，确定迭代训练过程结束。

6.一种X光图像检测装置，其特征在于，所述装置包括：

输入模块，用于将待检测的第一X光图像输入到预先训练完成的物品检测模型中，其中所述物品检测模型中保存有经过神经网络训练完成的权重参数文件，所述权重参数文件中包括预测不同类别的物品时，预设数量的顶点对应的坐标权重，其中所述预设数量为至少四个；

检测模块，用于基于所述物品检测模型，确定所述第一X光图像中包含的每个物品归属的第一类别，及每个物品对应的预设数量的顶点的第一坐标；

标注模块，用于根据所述每个物品归属的第一类别，及所述每个物品对应的预设数量的顶点的第一坐标，在所述第一X光图像中对所述每个物品进行标注。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

预处理模块，用于待检测的第一X光图像输入到预先训练完成的物品检测模型中之前，对待检测的所述第一X光图像进行预处理；

所述输入模块，具体用于将预处理后的所述第一X光图像，输入到所述物品检测模型中。