[发明专利]一种基于神经网络物体分析的液体检测方法

说明书

技术领域

本发明属于液体检测技术领域，具体涉及一种基于神经网络物体分析的液体检测方法。

背景技术

当今社会经济的飞速发展，安保工作日益重要。安保工作借鉴发达国家 科学的管理配以科学有效管理工具势在必行。安检设备广泛适用于机场、火 车站、汽车站、政府机关大楼、大使馆、会议中心、会展中心、酒店、商场、 大型活动、邮局、学校、物流行业、工业检测等场所。液体检测方法正是其 最有效的工具之一，它已广泛应用于各机关单位等重要的场所，经过长时间 的实践检验，被证明是目前最行之有效的安全防范工具之一。

人工神经网络(Artificial Neural Networks，ANN)系统是20世纪40年代后出现的。 它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、 良好的自组织自学习能力等特点。神经网络算法在理论上可以逼近任意函数，基本的结构 由非线性变化单元组成，具有很强的非线性映射能力，而且网络的中间层数、各层的处理 单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与 模式识别、智能控制、故障诊断等许多领域都有着广泛的应用前景。人工神经网络具有初 步的自适应与自组织能力，在训练过程中通过改变神经连接权重值，以适应周围环境的要 求。同一网络因学习方式与学习内容不同具有不同的功能，是一个具有学习能力的系统， 可以发展知识，以致超过设计者原有的知识水平。它的学习训练方式分为两种，一种是有 监督学习，利用给定的样本标准进行回归；另一种是无监督学习，只规定学习方式或某些 规则，则具体的学习内容随系统所处环境而异，系统可以自动发现环境特征和规律性，具 有更近似人脑的功能。

在目前的地铁站、火车站等公共场所，大家携带的水杯存在差异，数据庞大，而神经 网络的出现便于解决目前数据庞大的问题。通过神经网络强大的功能识别出水杯的X射线 衰减值，进而分析出液体密度。目前存在三个不足之处：

(1)快速识别目前市面上存在的水杯型号

(2)快速判断其X射线衰减值

(3)精确推断重建液体密度

发明内容

本发明旨在至少解决上述技术问题之一。

有鉴于此，本发明旨在提出一种基于神经网络物体分析的液体检测方法，以解决上述 问题的不足之处，确保测量液体密度的准确性，提高安检工作的便捷性，减少工作人员工 作强度。

为了实现上述目的，本发明的实施例公开了一种基于神经网络物体分析的液体检测方 法，包括：S1：利用CCD采集各种类容器X射线成像数据；S2：采集到的X射线图像经 过归一化处理形成统一的大小与分辨率，对图像进行特征提取，并进行数据的压缩形成特 征向量，作为输入层数据；S3：测试各种类容器的X射线强度衰减值，作为输出层数据； S4：检测器阵列对经过装有液体的容器进行X射线强度检测，获取X射线强度值；S5：基 于神经网络对容器型号进行识别判断，进而获得液体密度与液体种类。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于神经网络物体分析的液体检测方法，包括射线源、检测器阵列、载物台、物 体采集器，所述射线源的射线束为扇形，所述射线源、检测器阵列可以载物台为中心旋转2 个角度，所述物体采集器放置于载物台下方。

进一步的，所述物体采集器采集到的物体图像经过预处理后，由神经网络进行分类识 别，获取液体容器的射线强度衰减值。

进一步的，所述射线源为X射线源。

进一步的，所述检测器阵列检测到的X射线强度值为经过液体与容器杯壁的强度值。

进一步的，所述神经网络为BP神经网络。

进一步的，所述BP神经网络为有监督学习方式，输入数据为容器特征与X射线衰减 值。

相对于现有技术，本发明所述的基于神经网络物体分析的液体检测方法具有以下优势：

(1)本发明所述的基于神经网络物体分析的液体检测方法，通过学习将杯子特征与X 射线衰减值联合，可以精确的获取，便于精确重建液体密度。

(2)本发明所述的基于神经网络物体分析的液体检测方法采用的射线源的射线束为扇 形，不仅减少采集数据次数，而且提高了工作效率方便快捷。

(3)本发明所述的基于神经网络物体分析的液体检测方法采用神经网络的识别容器方 式，当经过预处理提取图像特征，压缩其特征维度，提高了工作的效率

(4)本发明所述的基于神经网络物体分析的液体检测方法，在重建液体密度是采用傅 里叶算法进行重建液体密度。

附图说明