[发明专利]一种自主学习识别新型违禁品的方法

说明书

本发明公开了一种自主学习识别新型违禁品的方法，该方法包括以下步骤：划定新型违禁品的图片p，并标注危险等级；将对应的图片p、分类n和大类S形成组合信息，并上传至自主学习初步数据集a1；根据图片p提取新型违禁品的初步特征t1；自动联网检索包括初步特征t1的相关图片，根据图片集提取和归纳新型违禁品的深层特征t2；形成自主学习深层数据集a2；按照不同的频率进行设备间自主学习深层数据集a2的共享发送和学习更新；生成新的违禁品检测模型Z。本发明提供了自主学习识别新型违禁品的方法，可以对新型违禁品进行及时标注，自动联网检索以提取深层特征，设备之间数据共享，共享发送和学习更新频率合理，非常值得推广。

技术领域

本发明涉及违禁品识别技术领域，具体为一种自主学习识别新型违禁品的方法。

背景技术

现有技术中，申请号为“201810220068.9”的一种基于X光安检机图像的违禁品智能识别方法，包括建立用于训练的数据集；训练统一的违禁品识别模型，包括形状分类模型和颜色分类模型；利用形状分类模型检测待检测图片，输出形状检测结果；根据检测结果经过计算，输入颜色分类模型，输出颜色检测结果；使用形状检测结果和颜色检测结果，计算存在危险物的概率及位置；对比可检测危险物的模型和待检测图像，标注危险物种类并输出，该基于X光安检机图像的违禁品智能识别方法由机器智能识别代替人工实现危险物的识别，节省了人工成本，实现最大利润化。

但是，其在使用过程中，仍然存在较为明显的缺陷：上述发明不具有自主学习的功能，不能及时地将新型违禁品列为识别项目，完全依赖于人工的定期训练较为费时费力，滞后时间较久，不适用于大规模的安检场所。

发明内容

本发明的目的在于提供一种自主学习识别新型违禁品的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种自主学习识别新型违禁品的方法，该方法包括以下步骤：

划定新型违禁品的图片p，将图片p归纳于分类n、大类S，并标注危险等级；

将对应的图片p、分类n和大类S形成组合信息，并上传至自主学习初步数据集a1；

根据图片p提取新型违禁品的初步特征t1；

自动联网检索包括初步特征t1的相关图片，生成图片集，根据图片集提取和归纳新型违禁品的深层特征t2；

将对应的新型违禁品深层特征t2上传至自主学习初步数据集a1，更新后删除图片p，形成自主学习深层数据集a2；

根据该新型违禁品的危险等级，按照不同的频率进行设备间自主学习深层数据集a2的共享发送和学习更新；

生成新的违禁品检测模型Z。

优选的，所述划定新型违禁品的图片p，将图片p归纳于分类n、大类S，并标注危险等级，具体包括：

多角度拍摄，采集包裹不同角度的拍摄照片，并关联呈现在屏幕上；

在包裹图片中划定标注框，选择裁切出新型违禁品的图片p，并进行位置、时间和危险等级的标注；

新增并命名分类n，将图片p归纳至分类n；

将分类n归纳至所属的原有大类S，或为之新建大类S。

优选的，所述将对应的图片p、分类n和大类S形成组合信息，并上传至自主学习初步数据集a1，具体包括：

将新型违禁品图片p和其所属的分类n、大类S进行信息关联，匹配生成组合信息，然后将组合信息先保存在本地设备中，再无线上传成为云端的自主学习初步数据集a1。

优选的，所述根据图片p提取新型违禁品的初步特征t1，具体包括：