CN109977974A - 图像检测的在线体验平台及使用其的图像检测方法 - Google Patents

Abstract

本公开涉及人工智能技术领域，提供一种图像检测的在线体验平台及使用其的图像检测方法，图像检测的在线体验平台包括：平台用户端，用于上传待检测图像和用户的检测需求并展示图像检测结果；平台服务器，用于根据检测需求调用相应的算法接口对待检测图像进行检测；以及算法服务器，用于运行与平台服务器请求调用的算法接口相应的算法。基于在线体验平台，解决了以往必须将训练好的深度学***台对相关深度学习算法接口的调用，用户可以在线体验到使用不同功能的深度学习算法的结果，同时可以结合自身不同的需求实现产品功能的配置。

Description

图像检测的在线体验平台及使用其的图像检测方法

技术领域

本公开涉及人工智能技术领域，具体涉及一种图像检测的在线体验平台及使用其的图像检测方法。

背景技术

继互联网+时代之后，人工智能又开启了人类历史的新篇章。人工智能(Artificial Intelligence)，英文缩写为AI，它是研究、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***的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。图像识别是人工智能的重要领域。

现在安检领域，使用深度学习算法进行目标物体的识别与检测，图像内容的检索与识别更是深度学习算法使用的先驱。深度学习需要耗费大量GPU(图形处理器，英语：Graphics Processing Unit，缩写：GPU，又称显示核心、视觉处理器、显示芯片等)进行模型训练，当下较为流行的方法中，一种部署方法是在使用现场获取图像或视频，进行一段时间的训练后得到模型，并使用该模型对新得到的图像和视频进行目标物体的识别与检测，该方法一般需要使用配套的硬件设备采集视频或者图像，以离线的形式放在当地GPU上进行训练；另一种部署方式，也是当下普遍使用的，是将大量安检现场的图片待会实验室，使用GPU进行训练得到模型后，将该模型嵌入到硬件中进行使用。

这两种使用方法存在两种缺陷，其一，都需要使用固定的硬件设备收集获取到特定格式的图像文件进行训练；其二，无论现场部署GPU,或是将模型嵌入安装在硬件设备中。这两种方法，在用户没有实际体验过算法的功能并仔细评价该算法是否符合自身需求的情况下，用户都需要预先花费大量的金钱进行相关设备的采购，才能看到产品的使用效果，若预期与描述的功能或效果相差太大，将造成大量的损失。因此，一种基于深度学***台服务的开发显得迫在眉睫。

因此，需要一种新的图像检测的在线体验平台。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种图像检测的在线体验平台及使用其的图像检测方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，公开一种图像检测的在线体验平台，包括：

平台用户端，用于上传待检测图像和用户的检测需求并展示图像检测结果；

平台服务器，用于根据检测需求调用相应的算法接口对待检测图像进行检测；以及

算法服务器，用于运行与平台服务器请求调用的算法接口相应的算法。

根据本公开的一示例实施方式，其中在线体验平台基于Django框架构建。

根据本公开的一示例实施方式，其中算法为深度学习算法。

根据本公开的一示例实施方式，其中深度学习算法为Fast-RCNN算法。

根据本公开的一示例实施方式，其中平台用户端还用于上传与待检测图像相关的辅助文字文件。

根据本公开的一示例实施方式，其中检测需求包括：检测图像中是否含有违禁品；检测图像是否与报关单申报内容相符；检测图像中是否存在货物夹带；或检测图像中是否存在三废货物并判断是何种三废货物。

根据本公开的一示例实施方式，其中违禁品包括刀、枪或***物。

根据本公开的一示例实施方式，其中展示图像检测结果包括：根据坐标数据框出待测图像中违禁品或夹带货物的位置，并在相应位置标出存在违禁品或夹带物的概率；根据待测图像与报关单内容匹配的百分比，给出以下查验结果供用户参考：单货相符、建议查验或单货不符；或根据图像的检测结果，判断图像中的货物为三废货物的概率，当概率大于一预定阈值时向用户显示货物大概率为三废货物，并根据概率值显示货物最有可能所属的三废货物的品种。

根据本公开的一示例实施方式，其中平台用户端为个人电脑或手机移动端。

根据本公开的第二方面，公开一种利用任一前述的图像检测的在线体验平台进行图像检测的方法，包括：

通过平台用户端上传待检测图像和用户的检测需求至平台服务器；

平台服务器根据检测需求调用运行于算法服务器上的相应算法对待检测图像进行检测；以及

将图像检测结果展示于平台用户端。

根据本公开的一示例实施方式，其中将图像检测结果展示于平台用户端包括：

算法服务器将算法结果返回平台服务器；

平台服务器对算法结果进行解析得到图像检测结果；以及

将图像检测结果返回平台用户端进行展示。

根据本公开的一些示例实施方式，基于在线体验平台，解决了以往必须将训练好的深度学***台对相关深度学习算法接口的调用，用户可以在线体验到使用不同功能的深度学习算法的结果，同时可以结合自身不同的需求实现产品功能的配置。

根据本公开的另一些示例实施方式，对GPU的采购，对大量图像进行训练等工作均在实验室中集中进行，训练完成后对在线体验平台开放测试接口，避免用户在使用体验前就需要花费大量金钱购买大量硬件设备的浪费，同时节省了设备购买、软件部署安装等大量的时间，提高了工作效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。

图1示出根据本公开一示例实施方式的图像检测的在线体验平台的方框图。

图2示出根据本公开一示例实施方式的图像检测的在线体验平台的实体图。

图3示出利用图1所示的图像检测的在线体验平台进行图像检测的方法的流程图。

具体示例实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

本公开的目的在于提供一种图像检测的在线体验平台及使用其的图像检测方法，图像检测的在线体验平台包括：平台用户端，用于上传待检测图像和用户的检测需求并展示图像检测结果；平台服务器，用于根据检测需求调用相应的算法接口对待检测图像进行检测；以及算法服务器，用于运行与平台服务器请求调用的算法接口相应的算法。基于在线体验平台，解决了以往必须将训练好的深度学***台对相关深度学***台开放测试接口，避免用户在使用体验前就需要花费大量金钱购买大量硬件设备的浪费，同时节省了设备购买、软件部署安装等大量的时间，提高了工作效率。

下面结合图1-3对本公开的图像检测的在线体验平台及使用其的图像检测方法进行详细说明，其中，图1示出根据本公开一示例实施方式的图像检测的在线体验平台的方框图；图2示出根据本公开一示例实施方式的图像检测的在线体验平台的实体图；图3示出利用图1所示的图像检测的在线体验平台进行图像检测的方法的流程图。

首先结合图1-2对本公开一示例实施方式的图像检测的在线体验平台进行具体说明，其中，图1示出根据本公开一示例实施方式的图像检测的在线体验平台的方框图；图2示出根据本公开一示例实施方式的图像检测的在线体验平台的实体图。

如图1所示，图像检测的在线体验平台包括：平台用户端1，用于上传待检测图像和用户的检测需求并展示图像检测结果；平台服务器2，用于根据检测需求调用相应的算法接口对待检测图像进行检测；以及算法服务器3，用于运行与平台服务器请求调用的算法接口相应的算法。

其中本平台是基于Django框架(Django是一个开放源代码的Web应用框架，由Python写成。采用了MT'V的框架模式，即模型M，模板T和视图V。它最初是被开发来用于管理劳伦斯出版集团旗下的一些以新闻内容为主的网站的，即为CMS(内容管理***)软件)构建的网络服务平台，该平台的特色是提供了满足不同功能需求的基于深度学***台，使用户在安装设备之前就能够体验到相关软件的应用。

在此需要特别说明的是，本公开的图像检测的在线体验平台并不限于基于深度学习的图像检测后台算法，也可以是基于其他的图像检测算法。

该图像检测的在线体验平台主要包括以下几个方面：

(1)平台用户端上传可读的待检测图像及其相关的辅助性材料文件以及用户的检测请求需求至平台服务器；

(2)平台服务器接受到相关材料后，根据用户的检测请求需求(如检测图像中是否含有刀、枪或***物等特殊物品/违禁品；查看扫描图像是否与报关单申报内容相符；查看图像货物中是否存在货物夹带；或检测图像中是否存在三废货物并判断是何种三废货物等等)，调用不同的算法接口，算法在独立的深度学习算法服务器上运行，利用Fast-RCNN算法(Fast-RCNN算法是一种利用深度学习进行目标检测的图像处理算法，Fast-RCNN是建立在之前的深度卷积神经网络上进行有效的分类及目标检测，但是它使用了几个创新点来提高训练及测试速度，并且也提高了检测精度)提取相关图像的各层特征进行检测，并对输入的辅助性文字性文件进行数据分析，综合二者分析结果，给出最终的算法结论(如图像中存在刀枪等违禁品的概率是多少以及违禁品可能的坐标；扫描图像与报关单申报内容匹配百分比等)；

(3)算法服务器将结果返回平台服务器，平台算法结果进行解析并展现给用户，如根据坐标数据框出图像中刀、枪或***物等违禁品的位置或夹带货物的位置，并在相应位置标出存在违禁品或夹带物的概率；根据得到的扫描图像与报关单内容匹配的百分比，给出“单货相符”“建议查验”以及“单货不符”等查验直观的查验结果供用户参考；或根据图像的检测结果，判断图像中的货物为三废货物的概率，当概率大于一预定阈值时向用户显示货物大概率为三废货物，并根据概率值显示货物最有可能所属的三废货物的品种。

在此需要特别说明的是，本公开一示例实施方式的图像检测的在线体验平台使用Django Web框架进行部署，但本公开的图像检测的在线体验平台并不限于此，也可以使用其他Web框架进行部署，也可以取得相同的效果。

根据本公开的一示例实施方式，其中平台用户端为个人电脑或手机移动端。

本公开的图像检测的在线体验平台的实体图和工作流程如图2所示。

下面通过两个实例说明如何利用图像检测的在线体验平台进行具体操作的过程：

实例1：用户需要体验***检测功能，即查看上传图像中是否含有***等违禁物品，用户在图像检测的在线体验平台上上传集装箱货物X-ray扫描图像，平台调用相应功能的算法API接口对图像进行测试，算法返回测试结果给平台，如果含有***等违禁品，则会返回目标物体的检测框坐标，以及判定其为枪的概率的大小，平台根据坐标在图中画出红色矩形框并标出为***的概率；

实例2：用户需要体验图单对比功能，即查看上传的货物扫描图像与报关单申报信息是否一致。用户需要在图像检测的在线体验平台上首先上传集装箱货物的X-ray(X射线)扫描图像，再上传报关单对比，后台算法利用深度学***台后，平台对该置信度进行解析，将其转化为百分制的数字，分数越高，则匹配度越高，并根据该分值大小，给出直观判定信息，如“基本相符”，“建议查验”，“单货不符”等，用户通过平台返回的建议，可以自行决定对该货物的处理。

下面结合图3对本公开的利用任一前述的图像检测的在线体验平台进行图像检测的方法进行说明。

图3示出利用图1所示的图像检测的在线体验平台进行图像检测的方法的流程图。

在S301，通过平台用户端上传待检测图像和用户的检测需求至平台服务器。

在S302，平台服务器根据检测需求调用运行于算法服务器上的相应算法对待检测图像进行检测。

在S303，将图像检测结果展示于平台用户端。

根据本公开的一示例实施方式，其中将图像检测结果展示于平台用户端包括：

算法服务器将算法结果返回平台服务器；

平台服务器对算法结果进行解析得到图像检测结果；以及

将图像检测结果返回平台用户端进行展示。

通过以上的详细描述，本领域的技术人员易于理解，根据本公开实施例的在线体验平台及使用其的图像检测方法具有以下的优点中的一个或多个。

根据本公开的一些示例实施方式，基于在线体验平台，解决了以往必须将训练好的深度学***台对相关深度学习算法接口的调用，用户可以在线体验到使用不同功能的深度学习算法的结果，同时可以结合自身不同的需求实现产品功能的配置。

根据本公开的另一些示例实施方式，对GPU的采购，对大量图像进行训练等工作均在实验室中集中进行，训练完成后对在线体验平台开放测试接口，避免用户在使用体验前就需要花费大量金钱购买大量硬件设备的浪费，同时节省了设备购买、软件部署安装等大量的时间，提高了工作效率。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种图像检测的在线体验平台，包括：

平台用户端，用于上传待检测图像和用户的检测需求并展示图像检测结果；

平台服务器，用于根据检测需求调用相应的算法接口对待检测图像进行检测；以及

算法服务器，用于运行与平台服务器请求调用的算法接口相应的算法。

2.根据权利要求1所述的在线体验平台，其特征在于，其中在线体验平台基于Django框架构建。

3.根据权利要求1所述的在线体验平台，其特征在于，其中算法为深度学习算法。

4.根据权利要求3所述的在线体验平台，其特征在于，其中深度学习算法为Fast-RCNN算法。

5.根据权利要求1所述的在线体验平台，其特征在于，其中平台用户端还用于上传与待检测图像相关的辅助文字文件。

6.根据权利要求1所述的在线体验平台，其特征在于，其中检测需求包括：检测图像中是否含有违禁品；检测图像是否与报关单申报内容相符；检测图像中是否存在货物夹带；或检测图像中是否存在三废货物并判断是何种三废货物。

7.根据权利要求6所述的在线体验平台，其特征在于，其中违禁品包括刀、枪或***物。

8.根据权利要求1所述的在线体验平台，其特征在于，其中展示图像检测结果包括：根据坐标数据框出待测图像中违禁品或夹带货物的位置，并在相应位置标出存在违禁品或夹带物的概率；根据待测图像与报关单内容匹配的百分比，给出以下查验结果供用户参考：单货相符、建议查验或单货不符；或根据图像的检测结果，判断图像中的货物为三废货物的概率，当概率大于一预定阈值时向用户显示货物大概率为三废货物，并根据概率值显示货物最有可能所属的三废货物的品种。

9.根据权利要求1所述的在线体验平台，其特征在于，其中平台用户端为个人电脑或手机移动端。

10.一种利用如权利要求1-9任一所述的图像检测的在线体验平台进行图像检测的方法，包括：

通过平台用户端上传待检测图像和用户的检测需求至平台服务器；

平台服务器根据检测需求调用运行于算法服务器上的相应算法对待检测图像进行检测；以及

将图像检测结果展示于平台用户端。

11.根据权利要求1所述的在线体验平台，其特征在于，其中将图像检测结果展示于平台用户端包括：

算法服务器将算法结果返回平台服务器；

平台服务器对算法结果进行解析得到图像检测结果；以及

将图像检测结果返回平台用户端进行展示。