论文部分内容阅读
现有的X射线安检设备只能对检测物体进行物质分类,如有机物、无机物、金属、液体等,而对检查物体的功能性分类,仍需安检人员进行肉眼观察识别。由于人体视觉辨别能力各异等一些因素,时常出现对危险物品的漏检现象,特别是金属类物质,因此本课题将对安检过程中的刀具进行自动识别判断,减少漏检错检情况的发生。本课题首先使用R值算法对X射线安全检测图像进行金属类物质图像提取,生成预处理图像。根据X射线安全检测图像特点,使用小波分解重构的方法进行图像的边缘提取,并且可以提取完整边缘,进而对图像边缘进行形态学处理,标记连通区域,实现图像分割。通过对刀具与非刀具物体在X射线下的成像效果进行比对,从而定义刀具形态特征元素,按照本课题刀具形态学特征提取方法完成特征元素提取以便后续进行模式识别判断。然后,针对本课题对刀具定义的特征元素选择识别分类的方法。根据定义的特征元素特点选取BP神经网络、LVQ神经网络、决策树、随机森林等分类方法以及本课题提出的决策树与随机森林相结合方法,对特征元素分类结果进行对比。比对结果表明采用决策树与随机森林相结合的方法可以降低刀具识别错误率。在刀具自动识别系统搭建过程中,是基于VS2013编译环境结合MATLAB仿真程序进行系统功能实现。并以ZYNQ为主体芯片搭载FreeRTOS实时操作系统,设计了X射线安检设备的数据采集传输系统,提高形成灰度图像的分辨率、扩大图像灰度范围,以提高图像数据的精度。最后,为直观显示刀具识别验证系统的检测效果,使用MFC函数库搭建显示界面,对实际检测物体的原图像和识别结果进行显示,若识别出刀具进行报警提示。刀具识别系统的使用,可以提升公共场所安全检查的效率,降低安检工作人员主观识别错误几率,实现安全检测的客观性和自动化需求。