[发明专利]一种快速安检行包远程集中判读系统及方法

权利要求书

1.一种快速安检行包远程集中判读系统，其特征在于，包括X射线检查设备、远程判读工作站以及开包查验工作站；

所述X射线检查设备，用于对行包进行X射线扫描形成X射线图像，并实时对X射线图像进行智能判图，判断行包是否安全，对可疑行包的违禁品进行预分类标注；并将可疑行包的X射线图像、可见光图像和预分类标注信息打包成判读任务发送到远程判读工作站；

所述远程判读工作站，用于接收判读任务，根据可疑行包的X射线图像以及预分类标注信息进行人工判读，确定可疑行包中包含违禁品时，将人工判读结果返回对应的X射线设备进行声光电报警，将可疑行包的X射线图像和可见光图像发送到开包查验工作站；

所述开包查验工作站，用于结合可疑行包的X射线图像和可见光图像，对可疑行包进行开包检验和录入登记。

2.根据权利要求1所述的行包远程集中判读系统，其特征在于，所述X射线检查设备与远程判读工作站的数量为M对N的关系，M大于N。

3.根据权利要求2所述的行包远程集中判读系统，其特征在于，还包括调度服务器，用于调度M台X射线检查设备与N台远程判读工作站之间的对应关系，协调X射线检查设备与远程判读工作站的工作量，实现判读任务的有序执行。

4.根据权利要求1所述的行包远程集中判读系统，其特征在于，所述X射线检查设备为通道式X射线安检仪，包括可见光成像设备、X射线成像设备、图像分包模块和智能判图模块；

所述可见光成像设备，用于拍摄进入设备通道的行包得到可见光外观图像；

所述X射线成像设备，用于扫描进入设备通道的行包得到X射线图像；

所述图像分包模块，用于将行包的X射线图像和可见光外观图像分包建立智能判图任务；

所述智能判图模块，用于利用训练好的判图模型对智能判图任务进行智能判图，提取X射线图像的样本特征；当X射线图像的样本特征符合安全图像特征时直接给出安全结果；当图像不符合安全图像特征时，判断行包为可疑行包，并对可疑行包的X射线图像中可能包含的违禁品种类进行智能识别和预分类标注；将可疑行包的X射线图像、可见光图像和预分类标注信息打包成人工判读任务发送到远程判读工作站。

5.根据权利要求4所述的行包远程集中判读系统，其特征在于，

所述智能判图方法包括：

1)制作违禁品射线安检图像数据集；对安检图像数据集进行两级的分类标注；其中，第一级分类标注，将图像进行安全和不安全标注；第二级分类标注，将标注为不安全按类别进行再分类标注；

2)建立用于图像识别的神经网络模型；并根据可见光图像智能识别技术基础和算法框架，调试算法内部参数，优化神经网络模型的网络结构；

3)训练用于图像识别的神经网络模型；利用进行两级分类标注的图像数据集，训练并构建训练后的神经网络模型，采用并行训练方法训练神经网络；

4)对训练好的神经网络模型进行多机型与多场景适配得到智能判图模型；

5)利用智能判图模型，对行包的X射线图像进行判读，判断行包是否可疑，将可疑行包的X射线图像、可见光图像和分类标注信息打包成人工判读任务发送到远程判读工作站。

6.根据权利要求5所述的行包远程集中判读系统，其特征在于，

所述并行训练方法包括模型并行化和数据并行化：

所述模型并行化：采用多个GPU进行训练，每个GPU分别持有模型的一个片；

所述数据并行化：在GPU上持有的模型的片结构参数相同，分配不同的训练数据进行训练；每个GPU上模型训练最后的loss计算得到梯度之后，再把梯度进行参数平均梯度，然后再根据平均梯度更新神经网络模型的参数。

7.根据权利要求5所述的行包远程集中判读系统，其特征在于，

神经网络模型的多机型适配包括在X射线图像训练过程中，对输入样本进行多尺度的缩放图像输入，然后将其结果进行融合，用于适配不同机型产生的不同尺寸的图像识别；

神经网络模型的多场景适配包括对不同场景下不同危险品类别的报警阈值分别设置，以实现多场景的应用需求。