Prečo je ťažké zlepšiť presnosť inteligentného bezpečnostného kontrolného a identifikačného systému

Prečo je ťažké zlepšiť presnosť inteligentného bezpečnostného kontrolného a identifikačného systému?

Zobrazovanie tej istej položky v rôznych bezpečnostných kontrolných strojoch môže byť veľmi odlišné, čo je dôležitý dôvod pre ťažkosti pri zlepšovaní presnosti identifikačného systému inteligentnej bezpečnostnej kontroly a ťažkosti pri riešení problémov kompatibility a adaptability.
Aby sme vysvetlili tento problém, začnime s procesom generovania röntgenových snímok.

1. Od signálu detektora k RGB obrazu

Počas bezpečnostnej kontroly cestujúci uložia svoju batožinu na pás stroja bezpečnostnej kontroly. Batožina vstupuje do bezpečnostného kontrolného zariadenia spolu s dopravným pásom, čím sa spustí zdroj lúča, aby vyžaroval röntgenové lúče. Röntgenový lúč prenikne do batožiny a dopadne na detektor a detektor sa zhromaždí. Lúčové fotóny sa konvertujú na merateľné údaje s vysokou a nízkou energiou a po komplexnom spracovaní a operáciách sa generujú bezpečnostné snímky RGB.

V procese generovania obrazu bezpečnostnej inšpekcie je výstup údajov detektormi rôznych modelov a rokov používania odlišný a spracovanie údajov, spracovanie obrazu, geometrická korekcia a farebné schémy rôznych značiek bezpečnostných kontrolných strojov sú odlišné, čo prinesie o obrovských rozdieloch v röntgenových snímkach.

2. Nočná mora nesúladu obrazu a rozpoznávania modelov

Obrázky generované rôznymi röntgenovými bezpečnostnými kontrolnými zariadeniami sa líšia z hľadiska zhody farieb, pixelov, geometrickej deformácie atď. Pre model hlbokého učenia môžu byť obrázky s mierne odlišnými kľúčovými informáciami, ako je farba a tvar, dva úplne odlišné obrázky, ktoré sa treba znovu naučiť.

(Zobrazenie tej istej batožiny pod rôznymi röntgenovými bezpečnostnými prístrojmi)

Model hlbokého učenia nemá dostatočnú schopnosť zovšeobecňovať a je ťažké identifikovať obrázky s veľkými rozdielmi. Preto rozdiel v röntgenových snímkach povedie k problémom, ako je nízka efektivita učenia modelu, ťažkosti pri trénovaní modelu a ťažkosti so zlepšovaním presnosti rozpoznávania.

3. Výhody základnej schémy identifikácie údajov stroja na kontrolu bezpečnosti

V reakcii na problém inteligentnej identifikácie spôsobenej rozdielmi v röntgenových snímkach sa Safeagle Technology stala priekopníkom identifikačnej schémy základných údajov bezpečnostného kontrolného zariadenia, ktoré sa modeluje a identifikuje získavaním základných údajov bezpečnostného kontrolného zariadenia.

Výhodou tohto riešenia je, že podkladové dáta rôznych značiek bezpečnostných kontrolných strojov sa líšia a dajú sa ľahko kalibrovať. Môže byť spracovaný tak, aby vytvoril jednotný štandardný röntgenový obraz, ktorý je pre modely hlbokého učenia jednoduchšie na učenie a identifikáciu, čo môže výrazne zlepšiť efektívnosť tréningu modelov a efektívne zlepšiť presnosť rozpoznávania modelov, úplne vyriešiť problémy systému kompatibilitu a prispôsobivosť a presne identifikovať rôzne tekuté zložky.

Z hľadiska všeobecného prostredia má súčasný vývoj produktov bezpečnostnej kontroly veľký význam pre hospodársku a sociálnu výstavbu rôznych krajín. Oplatí sa tešiť na to, aká bude budúcnosť.