一种改进YOLOv5的X光违禁品检测模型

针对X光行李图像安全检测过程中存在物品高度重叠遮挡及复杂背景干扰等问题,提出了一种融合注意力机制、数据增强策略与加权边框融合算法的改进YOLOv5网络模型用于X光违禁品检测。模型在Neck部分引入卷积注意力模块加强网络对违禁品深层重要特征的提取,抑制背景干扰;训练阶段采用Mixup数据增强策略模拟带有高度重叠及遮挡物品的检测场景,加强模型复杂样本的学习能力;测试阶段采用加权边框融合算法对冗余预测框进行优化,提高模型精准预测能力。所提模型在3个大型复杂数据集SIXray、HiXray、OPIXray进行了测试,平均精度均值分别达到了89.6%、83.1%和91.6%。结果表明:所提模型能够有效提高YOLOv5检测复杂违禁品的能力,与现有诸多先进算法相比,具有较高的准确率和稳健性。