新闻资讯
新闻详情
X光图像危险物品机器识别的算法模型是基于卷积神经网络，经过大量已经标注的易燃易爆物体危险物品图片当做素材去训练，同时形成高识别率的易燃易爆物体危险物品识别模型。通常，一个有效的易燃易爆物体数据网络的形成要有数以万计的数据去训练，关系到的计算量特别大。训练一个识别率较高的易燃易爆物体识别模型一般至少要有10万量级的易燃易爆物体图片数据、GPU服务器大概是7天的训练时间。跟着计算机计算能力的快速提高和算法的成熟，用易燃易爆物体数据网络当做核心的AI识别类算法识别率大幅提高。
现在的易燃易爆物体图像识别技术还可以避免X光射线衰减的影响。传统的易燃易爆物体图像技术主要是基于新机器图像的易燃易爆物体图像识别，在X光安检机长久运行中，X射线穿透效果会减少发生变化时，识别效果就会快速下降。X光安检机选用了一种新的解决方案是基于主动动态X射线衰减基准算法易燃易爆物体识别技术。它能够不受X射线变化的影响，已经得到了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过静态易燃易爆物体识别。
X光安检机软件的易燃易爆物体图像识别率越来越高核心原因在于：
1.硬件上CPU 等芯片计算能力快速提升，尤其是图型GPU芯片的广泛使用，准许易燃易爆物体数据网络模型更加庞大;
2. 易燃易爆物体数据网络算法本身也是经过演化和自身加持，算法效率和识别率进一步提升。
直到现在，随着超深度易燃易爆物体数据网络模型的建立，易燃易爆物体数据网络算法已达到数据饱和状态，易燃易爆物体图像图像的识别率能够达到90%以上。
推荐阅读
热门推荐产品
