CN109975332A - 一种应用于x光机的智能物检*** - Google Patents
一种应用于x光机的智能物检*** Download PDFInfo
- Publication number
- CN109975332A CN109975332A CN201910136208.9A CN201910136208A CN109975332A CN 109975332 A CN109975332 A CN 109975332A CN 201910136208 A CN201910136208 A CN 201910136208A CN 109975332 A CN109975332 A CN 109975332A
- Authority
- CN
- China
- Prior art keywords
- forbidden band
- band product
- ray imaging
- imaging picture
- machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012372 quality testing Methods 0.000 title claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000013136 deep learning model Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000001737 promoting effect Effects 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
- G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种应用于X光机的智能物检***,包括:X光机安检设备和禁带品智能识别机,X光机安检设备的检测数据输出端与禁带品智能识别机的数据输入端电连接。本发明提供的应用于X光机的智能物检***,通过禁带品智能识别机对X光机安检设备获取的X射线成像图片进行识别,实现对安检中乘客携带危险物品的进行智能检测,减少安检人员由于大客流安检造成漏报以及降低安检人员安检劳动强度,提高安检效率和禁带物品检出率、提升安检管理的精度和效率,且能够提高检测的准确度,组装简单,便于推广。
Description
技术领域
本发明涉及安检技术领域,具体涉及一种应用于X光机的智能物检***。
背景技术
自火车和地铁等实施安全检查以来,乘客携带的行李物品进行安全检查时,都是靠安检员人眼去查看行李物品中是否有***、管制刀具、危险液体等禁带品。但是随着客流量持续增长,给安全检查工作带来了巨大挑战。
目前在进行安全检查时普遍采用的设备是X光机,但是X光机也需要安检员人眼去查看与X光机相连显示器上的X光图像中是否有禁带品,浪费人力的同时延长了安全检查的时间。
因此,如何快速地对安全检查中乘客携带物品进行智能检测,加强大客流情况下的安检查危工作,已成为安检亟待改进和解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供一种应用于X光机的智能物检***,利用智能识别技术有效快速识别安检禁入危险物品,降低安全检查的时间。
为实现上述目的,本发明提供以下技术方案:
本发明提供了一种应用于X光机的智能物检***,包括:
X光机安检设备和禁带品智能识别机,X光机安检设备的检测数据输出端与禁带品智能识别机的数据输入端电连接;
所述X光机安检设备,用于采集待检测物品的X射线成像图片,并将X射线成像图片发送至所述禁带品智能识别机;
所述禁带品智能识别机,用于根据X射线成像图片判断待检测物品是否为禁带品,并对X射线成像图片中的禁带品进行标记。
进一步地,还包括:
客户端,用于显示X射线成像图片的走图,并显示X射线成像图片中禁带品的标记;
其中,客户端的数据输入端与所述禁带品智能识别机的数据输出端电连接,并接收所述禁带品智能识别机将接收的X射线成像图片和X射线成像图片中禁带品的标记。
其中,所述客户端包括:识别预警单元;
所述识别预警单元识别走图中的X射线成像图片中的禁带品的标记,并在识别出禁带品的标记时进行预警。
其中,所述客户端为计算机或手持移动终端。
进一步地,所述禁带品智能识别机,包括:识别标记单元;
所述识别标记单元对接收的X射线成像图片进行识别,并在X射线成像图片中识别出禁带品后对X射线成像图片中禁带品进行标记。
进一步地,所述禁带品智能识别机,还包括:传输单元;
所述传输单元与所述识别标记单元相连接,所述传输单元接收所述识别标记单元发送的具有标记的X射线成像图片并将接收的X射线成像图片发送至外部终端。
其中,识别标记单元包括存储模块,所述存储模块中预先存储禁带品深度学习模型以及禁带品特征图-名称对照表;
通过所述禁带品深度学习模型对接收的X射线成像图片进行识别,判断X射线成像图片中是否存在禁带品;
通过禁带品特征图-名称对照表对X射线成像图片中禁带品进行名称标记。
其中,通过卷积神经网络深度学习的方式对带有禁带品标记的X射线成像图片样本进行训练,得到禁带品深度学习模型。
本发明提供的一种应用于X光机的智能物检***,通过禁带品智能识别机对X光机安检设备获取的X射线成像图片进行识别,实现对安检中乘客携带危险物品的进行智能检测,减少安检人员由于大客流安检造成漏报以及降低安检人员安检劳动强度,提高安检效率和禁带物品检出率、提升安检管理的精度和效率,且能够提高检测的准确度,组装简单,便于推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种应用于X光机的智能物检***的结构示意图;
图2是本发明实施例提供的智能物检***中禁带品智能识别机的结构示意图;
图3是本发明实施例提供的另一种应用于X光机的智能物检***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明下述实施例提供了一种应用于X光机的智能物检***,参见图1,具体包括:X光机安检设备10和禁带品智能识别机20,
其中,X光机安检设备10用于采集待检测物品的X射线成像图片,乘客将携带的物品放置X光机安检设备10的履带上进行安检时,X光机安检设备10对物品进行X光扫描,获得X射线成像图片。X光机安检设备10的检测数据输出端与禁带品智能识别机20的数据输入端电连接,X光机安检设备10将获得的X射线成像图片发送至禁带品智能识别机20。
需要说明的是,X光机安检设备10可以是任意一款现有的X光机,通过安装在X光机上的拼接软件,将X射线成像图片通过网络方式传送给禁带品智能识别机20。拼接软件采用的方法是对X射线线扫描所形成的一段一段的小图像进行模板图像选取,帧间去重及差异提取、拼接形成的具有固定长宽的图像,将该图像通过网口传输到禁带品智能识别机20。拼接软件能够充分利用图像单向平移特点,对等时间间隔截屏采样图像进行模板匹配,根据得到的匹配位置获取,然后根据匹配位置确定差异图像区域,对相邻图像进行去重与差异提取,而后对图像进行拼接。
禁带品智能识别机20根据接收的X射线成像图片,对X射线成像图片进行运算处理,判断待检测物品是否为禁带品。如果判断出X射线成像图片中含有禁带品,则对X射线成像图片中的禁带品进行标记。
其中,在进行标记时,具体是将禁带品圈出,并标注禁带品的名称。
进一步的,参见图2,禁带品智能识别机20,包括:识别标记单元201;
识别标记单元201内部设置有存储禁带品深度学习模型以及禁带品特征图-名称对照表的存储模块,在应用该禁带品智能识别机之前,在存储模块中预先存储禁带品深度学习模型以及禁带品特征图-名称对照表;
识别标记单元201通过预先存储禁带品深度学习模型对接收的X射线成像图片进行识别,判断X射线成像图片中是否存在禁带品;并在X射线成像图片中识别出禁带品后判别出禁带品的特征图,根据禁带品特征图-名称对照表对X射线成像图片中禁带品进行标记。
在具体应用时,选取的X光机安检设备不具有显示功能,则需要识别标记单元201处理的数据到导出至计算机或其他具有显示功能的处理设备。计算机或其他具有显示功能的处理设备对导出的数据进行处理便于显示。选取的X光机安检设备具有显示功能,则将识别标记单元201处理的数据通过X光机安检设备上的显示设备进行显示。
通过禁带品智能识别机对待检测物品进行智能识别,并通过显示设备进行显示来提醒工作人员进行人工检查,在一定程度上减少安检人员由于大客流安检造成漏报的问题,提高安检效率和禁带物品检出率、降低安检劳动强度、提升安检管理的精度和效率。
在上述实施例的基础中,参见图3,智能物检***还包括:客户端30,
客户端30用于显示X射线成像图片的走图,并显示X射线成像图片中禁带品的标记;
客户端30的数据输入端与所述禁带品智能识别机的数据输出端电连接,并接收所述禁带品智能识别机将接收的X射线成像图片和X射线成像图片中禁带品的标记。
其中,禁带品智能识别机将数据发送至客户端30上时,禁带品智能识别机20,还包括:传输单元202;所述传输单元202与所述识别标记单元201相连接,所述传输单元202接收所述识别标记单元201发送的具有标记的X射线成像图片并将接收的X射线成像图片发送至客户端30。传输单元202可以是有线传输模块或者无线传输模块。传输单元202可以是现有的具有有线或无线传输能够的装置。
进一步的,所述客户端30包括:识别预警单元;
识别预警单元识别走图中的X射线成像图片中的禁带品的标记,并在识别出禁带品的标记时进行预警。提示安检人员进行主动安检。降低安检劳动强度、提升安检管理的精度和效率。
其中,客户端优选为计算机或手持移动终端。
本发明实施例通过禁带品智能识别机识别X射线成像图片并将识别的数据发送至客户端上,提示安检人员进行主动安检,实现实时在线地对安检中乘客携带危险物品的检测,且能够提高检测的准确度,组装简单,便于推广。
进一步的,在上述实施例中,禁带品深度学习模型是通过卷积神经网络深度学习的方式对带有禁带品标记的X射线成像图片样本进行训练,得到禁带品深度学习模型,具体方式如下:
通过获得一批X光机图像源样本库,通过人工标记样本库中含有的禁带品,包括:***、管制刀具、危险液体等危险物品,在图片中的位置,得到X光机图像危险物品标记库,在快速卷积神经网络深度学习框架下,对人工标记样本库进行学习训练;
在经行学习训练时,通过卷积神经网络进行特征提取,得到危险物品特征图,利用区域神经网络对危险物品特征图进行特征区域提取,得到危险物品候选区域网络模型,对该网络模型不断调整网络中的学习率和权重,直至完全学习到危险物品的特征图,从而得到禁带品深度学习算法模型。其中,禁带品深度学习算法模型是具有多隐层的机器学习模型。
从上述描述可知,本发明实施例提供的一种应用于X光机的智能物检***,将智能识别技术成功引入到安检领域,实现对地铁安检中乘客携带危险物品的实时在线检测,在一定程度上减少安检人员由于大客流安检造成漏报的问题,提高安检效率和禁带物品检出率、降低安检劳动强度、提升安检管理的精度和效率。组装简单,便于推广。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种应用于X光机的智能物检***,其特征在于,包括:X光机安检设备和禁带品智能识别机,X光机安检设备的检测数据输出端与禁带品智能识别机的数据输入端电连接;
所述X光机安检设备,用于采集待检测物品的X射线成像图片,并将X射线成像图片发送至所述禁带品智能识别机;
所述禁带品智能识别机,用于根据X射线成像图片判断待检测物品是否为禁带品,并对X射线成像图片中的禁带品进行标记。
2.根据权利要求1所述的智能物检***,其特征在于,还包括:
客户端,用于显示X射线成像图片的走图,并显示X射线成像图片中禁带品的标记;
其中,客户端的数据输入端与所述禁带品智能识别机的数据输出端电连接,并接收所述禁带品智能识别机将接收的X射线成像图片和X射线成像图片中禁带品的标记。
3.根据权利要求2所述的智能物检***,其特征在于,所述客户端包括:识别预警单元;
所述识别预警单元识别走图中的X射线成像图片中的禁带品的标记,并在识别出禁带品的标记时进行预警。
4.根据权利要求2所述的智能物检***,其特征在于,所述客户端为计算机或手持移动终端。
5.根据权利要求1所述的智能物检***,其特征在于,所述禁带品智能识别机,包括:识别标记单元;
所述识别标记单元对接收的X射线成像图片进行识别,并在X射线成像图片中识别出禁带品后对X射线成像图片中禁带品进行标记。
6.根据权利要求5所述的智能物检***,其特征在于,所述禁带品智能识别机,还包括:传输单元;
所述传输单元与所述识别标记单元相连接,所述传输单元接收所述识别标记单元发送的具有标记的X射线成像图片并将接收的X射线成像图片发送至外部终端。
7.根据权利要求5或6所述的智能物检***,其特征在于,识别标记单元包括存储模块,所述存储模块中预先存储禁带品深度学习模型以及禁带品特征图-名称对照表;
通过所述禁带品深度学习模型对接收的X射线成像图片进行识别,判断X射线成像图片中是否存在禁带品;
通过禁带品特征图-名称对照表对X射线成像图片中禁带品进行名称标记。
8.根据权利要求6所述的智能物检***,其特征在于,通过卷积神经网络深度学习的方式对带有禁带品标记的X射线成像图片样本进行训练,得到禁带品深度学习模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136208.9A CN109975332A (zh) | 2019-02-25 | 2019-02-25 | 一种应用于x光机的智能物检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136208.9A CN109975332A (zh) | 2019-02-25 | 2019-02-25 | 一种应用于x光机的智能物检*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109975332A true CN109975332A (zh) | 2019-07-05 |
Family
ID=67077256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136208.9A Pending CN109975332A (zh) | 2019-02-25 | 2019-02-25 | 一种应用于x光机的智能物检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109975332A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN113640321A (zh) * | 2020-05-11 | 2021-11-12 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
CN113971443A (zh) * | 2021-10-29 | 2022-01-25 | 成都智元汇信息技术股份有限公司 | 一种智能判图的图像处理方法、装置及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206192923U (zh) * | 2016-10-27 | 2017-05-24 | 中云智慧(北京)科技有限公司 | 一种基于云计算的x射线违禁品检测*** |
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、***及电子设备 |
KR101884575B1 (ko) * | 2017-12-06 | 2018-08-02 | 한국공항공사 | 보안 검색 시스템 |
CN109187598A (zh) * | 2018-10-09 | 2019-01-11 | 青海奥越电子科技有限公司 | 基于数字图像处理的违禁物品检测***及方法 |
-
2019
- 2019-02-25 CN CN201910136208.9A patent/CN109975332A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206192923U (zh) * | 2016-10-27 | 2017-05-24 | 中云智慧(北京)科技有限公司 | 一种基于云计算的x射线违禁品检测*** |
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、***及电子设备 |
KR101884575B1 (ko) * | 2017-12-06 | 2018-08-02 | 한국공항공사 | 보안 검색 시스템 |
CN109187598A (zh) * | 2018-10-09 | 2019-01-11 | 青海奥越电子科技有限公司 | 基于数字图像处理的违禁物品检测***及方法 |
Non-Patent Citations (3)
Title |
---|
刘松平等: "先进复合材料无损检测技术", 30 September 2017, 航空工业出版社, pages: 420 * |
方卫华等: "跨拦河建筑物安全状态感知、融合与预测", 31 December 2018, 河海大学出版社, pages: 292 - 293 * |
李德毅: "人工智能导论", 31 August 2018, 中国科学技术出版社, pages: 161 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN113640321A (zh) * | 2020-05-11 | 2021-11-12 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
CN113640321B (zh) * | 2020-05-11 | 2024-04-02 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
CN113971443A (zh) * | 2021-10-29 | 2022-01-25 | 成都智元汇信息技术股份有限公司 | 一种智能判图的图像处理方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109975332A (zh) | 一种应用于x光机的智能物检*** | |
KR102091165B1 (ko) | 터널 균열 검사 장치 | |
CN101281597B (zh) | 一种产品包装图形标识信息在线实时采集识别装置及方法 | |
WO2020173021A1 (zh) | 一种基于人工智能的违禁物识别方法、装置、设备和存储介质 | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
WO2020223803A1 (en) | System and method for determining an indication of a presence of a leak of hazardous material using a trained classification module | |
CN112612066B (zh) | 人员安检方法及人员安检*** | |
CN104992449A (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
CN106770166A (zh) | 安全检查装置和方法 | |
CN107358344A (zh) | 企业隐患管理方法及其管理***、电子设备及存储介质 | |
CN105809091A (zh) | 检查方法和*** | |
CN115661615A (zh) | 一种图像识别模型的训练方法、装置及电子设备 | |
CN112712093A (zh) | 安检图像识别方法、装置、电子设备及存储介质 | |
CN108711152A (zh) | 一种基于ai技术的图像分析方法、装置和用户终端 | |
CN107999413A (zh) | 一种高速x光快递分拣方法 | |
CN111310635B (zh) | 基于TensorFlow的安检违禁品识别***及方法 | |
CN109145752A (zh) | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 | |
CN114926415A (zh) | 一种基于pcnn与深度学习的钢轨表面检测方法 | |
CN102331430A (zh) | 不规则形状肉异物检测*** | |
CN113706497B (zh) | 一种违禁品智能识别装置和*** | |
CN110097140A (zh) | 一种用于隧道巡检机器人的数据处理*** | |
CN110186864A (zh) | 一种基于多固定点及无人机协同的港口气体监测*** | |
Park et al. | FCN based gas leakage segmentation and improvement using transfer learning | |
CN116563628A (zh) | 安检判图识别方法、装置、设备及存储介质 | |
CN206274312U (zh) | 安全检查装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |