[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

说明书

本发明公开了一种X光图像检测方法、装置、电子设备及存储介质，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；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，其中所述预设数量为至少四个；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。本发明实施例中标注的多边形更接近于物品的真实轮廓。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种X光图像检测方法、装置、电子设备及存储介质。

背景技术

物品检测方法主要应用于X光安检机的物品检测，如具体用于检测高铁、地铁、飞机等公共场所旅客所带行包中是否存在物品，使用X光安检机的目的是能够辅助安检人员快速、有效地发现包裹内可能存在的物品，尽可能减少开包检查。安检人员通过安检机屏幕上的X光图像判断是否存在物品，但是高铁、地铁等场所人流量较大、行包较多以及长时间工作等因素会影响安检人员判断的准确度。

随着深度学习技术不断发展，安检系统逐渐采用图像识别技术自动识别判断行包中是否存在物品，现有技术中基于深度学习的目标检测方法主要包括：Faster RCNN(Faster Region Convolutional Neural Networks)、SSD(Single Shot MultiBoxDetector)，YOLO(You Only Look Once)等。以上物品检测方法在模型训练过程中是基于图像样本中针对物品人工标记的矩形进行训练的，因此在物品检测时，以整张图像作为输入，经过卷积神经网络多层卷积计算，在输出层输出由每个物品对应的矩形框和每个物品相应的物品标签。

但是实际的物品存在多种形状，并且在X光安检机中摆放方向任意，导致物品的X光图像形状任意且多数图像不规则，若以矩形标注形状任意的物品，矩形框内会包含较大面积的背景部分，从而导致物品识别率低。

发明内容

本发明提供一种X光图像检测方法、装置、电子设备及存储介质，用以解决现有技术中存在物品识别率低的问题。

本发明提供一种X光图像检测方法，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。

进一步地，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。

进一步地，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；