[发明专利]一种X光成像和CNN的快递包裹违禁品检测方法

说明书

本发明公开一种X光成像和CNN的快递包裹违禁品检测方法，涉及光学工程与人工智能领域，包括以下步骤：(1)包裹X光图像信息的获取；(2)包裹X光图像样本的划分；(3)包裹X光图像的特征提取；(4)随机森林违禁品包裹识别模型构建。本发明采用CNN‑RF进行快递包裹违禁品检测模型的构建，提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以避免过拟合，使用两块GPU进行训练极大的提高了训练的速度，非常适合快递包裹违禁品的精准、快速检测。

技术领域

本发明涉及光学工程与人工智能领域，主要是一种对于快递包裹中是否含有违禁品的检测方法。

背景技术

随着近年来经济的发展，快递市场日益繁荣，快递行业是劳动密集型行业，工作时间长，流程较为复杂。在快递营业网点揽件时由于人员缺乏专业性知识可能会出现接收违禁品的情况，对经济社会的发展和公共安全造成不必要的影响。

人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。主要包括机器人，图像处理，自然语言处理，专家系统等。卷积神经网络(Convolutional Neural Networks，CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deep learning)的代表算法之一，在计算机视觉、自然语言处理等方面都有着广泛的应用。

光学工程(英语：optical engineering)是指把光学理论应用到实际应用的一类工程学。光学工程设计光学仪器，例如镜头、显微镜和望远镜，也包括其他利用光学性质的设备。此外，光学工程还研究光传感器及相关测量系统，激光、光纤通信和光碟(例如CD、DVD)等。X射线又称伦琴射线，它是肉眼看不见的一种射线，但可使某些化合物产生荧光或使照相底片感光。同时X射线还可以穿透物质，在安检、工业探伤、医疗等领域都具有广泛的应用。

发明内容

针对上述问题，本发明提供了一种无须拆包，简单快速的违禁品识别方法。

为实现上述目的，本发明采用的技术方案为：一种X光成像和CNN的快递包裹是否含有违禁品检测方法，包括以下步骤：

(1)包裹X光图像信息的获取。

(2)包裹X光图像样本的划分。

(3)包裹X光图像的特征提取。

(4)随机森林违禁品包裹识别模型构建。

作为优选，所述步骤(1)中，利用X光成像技术，获取包裹的的图像信息，得到包裹的图像数据集。

作为优选，所述步骤(2)中，采用随机抽样的方式将所采集的包裹图像数据按一定比例划分为独立不重复的训练集和测试集。

作为优选，所述步骤(3)中，用于提取X光图像信息特征的卷积神经网络(Convolutional Neural Networks，CNN)是一种包含8个训练参数的网络，网络结构包括卷积层、局部响应归一化层、池化层、全连接层等。

作为优选，所述步骤(4)中，利用CNN提取X光图像特征在训练集上构建随机森林(Random forest，RF)违禁品识别模型，确定识别模型的参数，然后利用测试集来检测识别效果，验证模型性能。

通过上述技术方案，本发明的有益效果是：提出一种新的卷积神经网络模型可以获取更多、更有效的图像信息，有利于快速、准确的检测出包裹中的违禁品。

附图说明

图1是本发明实施案例快递包裹违禁品识别方法的流程图。

图2是发明实施案例用于提取图像特征的卷积神经网络结构简图。

具体实施方式