[发明专利]一种集装箱异物检测方法、装置及存储介质

说明书

本申请涉及一种集装箱异物检测方法、装置及存储介质，所述方法包括步骤：获取不含异物的第一大宗货物图像；根据所述第一大宗货物图像生成大宗货物正样本的训练数据集；构建表征为超球体的异物检测模型；利用所述训练数据集训练所述异物检测模型；获取待检测的第二大宗货物图像的大宗货物图像切片；计算每一所述大宗货物图像切片的特征向量；判断所有所述特征向量符合所述异物检测模型的比例是否达到预设值；若是，判定所述第二大宗货物图像含有异物夹带；若否，判定所述第二大宗货物图像未含有异物夹带。本申请通过使用多种角点特征描述大宗货物图像特征，使得特征描述更为丰富，提高了集装箱安检机异物检测方法的精度。

技术领域

本申请涉及集装箱异物检测领域，尤其涉及一种集装箱异物检测方法、装置及存储介质。

背景技术

集装箱安检机是一款大型X光探测扫描成像安全检查设备，其采用先进的x光射线探测器和计算机图像处理技术，满足海关码关大宗货物清单核查与高等级安检等需求，可应用于机场、海关车站、港口码头、物流快递、工厂企业等场所，其主要用来检测集装箱中所装载的大型货物中是否存在违禁物品，对于装箱中所装载的正常货物而言，这些违禁物品被称为“异物”，从装有大型货物的集装箱中检测是否有违禁品的存在的过程为异物检测。

目前，集装箱安检机中的异物检测方法有基于模板库的违禁品检测方法、基于监督学习的违禁品区域分割方法等，其中，基于模板库的违禁品检测方法需要人为设计匹配模板，异物检测的精度受到模板设计人员的经验影响，基于监督学习的违禁品区域分割方法需要构建包含违禁品的训练样本集，异物检测模型能够识别的异物种类受到训练样本集所包含的异物种类影响。

概况而言，目前的异物检测方法存在以下缺陷：(1)检验模板基于经验设置对数据的动态适应性差；(2)需要预知异物类别，不适应于异物种类未知的情况；(3)需要构建包含大量正常货物和违禁品数据的训练样本集，异物检测模型构建代价大。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种集装箱异物检测方法、装置及存储介质。

第一方面，本申请提供了一种集装箱异物检测方法，所述方法包括步骤：

获取不含异物的第一大宗货物图像；

根据所述第一大宗货物图像生成大宗货物正样本的训练数据集；

构建表征为超球体的异物检测模型；

利用所述训练数据集训练所述异物检测模型；

获取待检测的第二大宗货物图像的大宗货物图像切片；

计算每一所述大宗货物图像切片的特征向量；

判断所有所述特征向量符合所述异物检测模型的比例是否达到预设值；

若是，判定所述第二大宗货物图像含有异物夹带；

若否，判定所述第二大宗货物图像未含有异物夹带。

优选地，所述获取不含异物的第一大宗货物图像包括步骤：

利用集装箱安检机采集不含异物且装载有大宗货物的大宗货物图像；

对所述大宗货物图像进行归一化处理和图像增强处理；

检测所述大宗货物图像中的车厢区域；

删除所述大宗货物图像中的所有非车厢区域图像并得到第一大宗货物图像。

优选地，所述根据所述第一大宗货物图像生成大宗货物正样本的训练数据集包括步骤：

利用滑窗算法从所述第一大宗货物图像中截取得到第一大宗货物子区域图像；

对所有所述第一大宗货物子区域图像进行规格调整和归一化处理；