城市轨道交通安检中基于X射线图像的危险品识别技术研究

阐述了基于传统机器学习和深度学习的危险品对X射线图像安检识别技术原理、方法及适用场景,分析了不同识别技术的优缺点。基于深度学习的危险品识别技术能自动学习物品分类特征,具有良好的鲁棒性和运算效率。其中基于回归思想的目标检测框架的识别速度快,适用于实时系统。利用实际典型场景进行训练并测试,测试结果表明,基于YOLO模型建立的危险物识别技术在识别精度和速度上均能满足相关要求,可对行李包裹内枪支刀具、烟花爆竹等危险品进行智能化识别并报警,能切实提升城市轨道交通安检效能,提高安全风险预警能力。

城市轨道交通安检危险品的深度学习识别

针对城市轨道交通X射线安检危险品识别,在YOLOv5m基础上,增加了CBAM注意力,分别对通道和空间的特征进行操作。经过实验验证,该方法的mAP_(50):95、mAP_(50)分别提升了0.6和1个百分点,结果表明改进后的算法能显著提高检测精度。

基于深度学习的危险品车辆识别技术研究

随着我国高速公路隧道规模的不断扩大,隧道交通事故频繁发生,特别是危险品车辆导致的严重事故不断增多,安全已成为高速公路隧道运营的核心问题。为解决危险品运输车辆实时识别及监控的问题,采用了一种基于深度卷积神经网络的危险品运输车辆识别方法,对行驶于高速公路隧道内的危险品车辆进行识别,并基于深度学习的危险品车辆识别模型,搭建了危险品运输车辆动态识别系统,实现了隧道内危险品车辆的准确识别,有效提升了高速公路隧道危险品车辆识别的准确率,保障了高速公路隧道交通运营安全。

太赫兹技术在反恐防爆领域的应用探讨

太赫兹波作为一种具有一定穿透能力的电磁波,被广泛运用于人体安检、危险品识别等公共安全的重要领域。简要介绍了太赫兹技术的基本知识,讨论了太赫兹技术在反恐防爆领域的应用和相应的技术特色,对太赫兹技术在公共安全领域的实际应用进行了展望。

人工智能在安检中的应用浅析

随着人工智能技术的发展和应用,危险品智能识别技术已逐渐应用到传统安检行业中,在降低人工成本、提高安检效率、降低漏检率等方面具有重要意义.在新技术和新设备的推动下,传统的安检行业也逐渐向网络化、信息化、智能化方向发展,对预防违法犯罪、维护社会治安稳定有重要意义.