CN111551569B - 一种基于x光机国际快件图像查验*** - Google Patents

一种基于x光机国际快件图像查验*** Download PDF

Info

Publication number
CN111551569B
CN111551569B CN202010350151.5A CN202010350151A CN111551569B CN 111551569 B CN111551569 B CN 111551569B CN 202010350151 A CN202010350151 A CN 202010350151A CN 111551569 B CN111551569 B CN 111551569B
Authority
CN
China
Prior art keywords
image
characteristic data
ray image
ray
express mail
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.)
Expired - Fee Related
Application number
CN202010350151.5A
Other languages
English (en)
Other versions
CN111551569A (zh
Inventor
孟毛岛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Gequan Intelligent Technology Co ltd
Original Assignee
Hefei Gequan Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Gequan Intelligent Technology Co ltd filed Critical Hefei Gequan Intelligent Technology Co ltd
Priority to CN202010350151.5A priority Critical patent/CN111551569B/zh
Publication of CN111551569A publication Critical patent/CN111551569A/zh
Application granted granted Critical
Publication of CN111551569B publication Critical patent/CN111551569B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • 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

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

本发明公开了一种基于X光机国际快件图像查验***，包括：设置在机架上的横梁，横梁上设有第一伺服电机、第一精密丝杆和架板；架板上设有第二伺服电机、第二精密丝杆和安装架；X光图像扫描模块，X光图像扫描模块与安装架连接，获取快件的X光图像；图像采集模块，图像采集模块采集快件在传输带上的位置图像；分别与第一伺服电机、第二伺服电机和图像采集模块连接的第一控制器，控制X光图像扫描模块沿第一方向和第二方向的移动；与X光图像扫描模块连接的第二控制器，获取检测结果；服务器，服务器与第二控制器连接，存储快件的检验结果。本发明实现近距离扫描快件，提高了检测精度，通过服务器存储，实现快件的追溯功能。

Description

一种基于X光机国际快件图像查验***
技术领域
本发明属于X光机安检技术设备，更具体地，涉及一种基于X光机国际快件图像查验***。
背景技术
国际快件的安全检查是口岸检查的重要内容之一。安全检查的内容主要是检查国际快件中是否携带***、弹药、易燃、易爆、腐蚀、有毒放射性、毒品等危险物品，以确保国际快件能安全入境。国际快件的安全检查中一般通X光机对快件等进行透视性的扫描，得到不同物品的不同成像，从而发现内部隐藏的危险品。被检查国际快件送入X射线检查通道，触发X射线源发射X射线束。X射线束穿过被检查国际快件，部分被吸收后轰击安装在通道内的半导体探测器。探测器把X射线转变为信号，并将信号送到控制器做进一步处理，使得荧屏上呈现不同颜色的影像。简单来说，橙色代表有机物，例如食品、塑料等；书本、陶瓷等显示为绿色；金属则显示为蓝色。但是，不法分子通过各种方法夹在在国际快件中，现有X光机在检查设备中的位置是固定的，X光机不能近距离扫描国际快件，进而影响成像效果及分辨率，存在漏检、错检现象。现有检测设备只是对国际快件进行实时扫描和检查，国际快件包裹对应的X光照片和包裹的外观照片等物流信息没有留存，因而缺乏跟踪与追溯的功能。
此外，现有检测设备中，通过人工或机械手或复杂的机械连接结构分拣存在危险品的国际快件，采用人工方式，工作量很大，采用机械手分拣方式，成本很高，采用复杂的机械连接结构安装繁琐，增加工作量。
综上，现有X光机检测***存在不能近距离扫描国际快件，缺乏对国际快件进行全面追溯的功能，以及不能实现结构简单且低成本的智能分拣携带危险品快件的问题。
发明内容
本发明的目的是提出一种基于X光机国际快件图像查验***，以解决现有X光机检测***存在不能近距离扫描国际快件，缺乏对国际快件进行全面追溯的功能，以及不能实现结构简单且低成本的智能分拣携带危险品快件的问题。
为了实现上述目的，本发明提供了一种基于X光机国际快件图像查验***，包括：机架，所述机架设置在第一输送带的两侧，所述机架上设有横梁，所述横梁上设有第一伺服电机、第一精密丝杆和架板，所述第一精密丝杆分别与所述第一伺服电机和架板连接，所述架板在第一精密丝杆上沿第一方向移动；所述架板上设有第二伺服电机、第二精密丝杆和安装架，所述第二精密丝杆分别与所述第二伺服电机和安装架连接，所述安装架在第二精密丝杆上沿第二方向移动；X光图像扫描模块，所述X光图像扫描模块与所述安装架连接，用于获取快件的X光图像；图像采集模块，所述图像采集模块设置在所述机架上，采集所述快件在传输带上的位置图像；第一控制器，所述第一控制器分别与所述第一伺服电机、第二伺服电机、X光图像扫描模块和图像采集模块连接，基于所述快件在传输带上的位置图像，控制所述X光图像扫描模块沿第一方向和第二方向的移动；第二控制器，所述第二控制器与所述X光图像扫描模块连接，基于所述X光图像，获取所述快件的检验结果；服务器，所述服务器与所述第二控制器连接，存储所述快件的检验结果。
优选的，所述基于X光机国际快件图像查验***还包括：第一滑板，所述第一滑板的一端通过转动杆连接在所述第一输送带的出口处；第三电机，所述第三电机与所述第二控制器连接，带动所述转动杆打开或关闭第一滑板；第二滑板，所述第二滑板的一端与第三输送带的入口连接；当所述第一滑板打开时，所述第一滑板的另一端与所述第二滑板的一端连接；当所述第一滑板关闭时，所述第一滑板的另一端与所述第二输送带的入口连接。
优选的，所述横梁上设有第一滑槽，所述架板上设有与所述第一滑槽匹配的第一滑块；所述架板上设有第二滑槽，所述安装架上设有与所述第二滑槽匹配的第二滑块。
优选的，所述第一精密丝杆上设有第一螺纹，所述架板上设有与所述第一螺纹匹配的螺纹，所述架板套设在所述第一精密丝杆上，所述第一精密丝杆与所述第一伺服电机的输出轴连接；所述第二精密丝杆上设有第二螺纹，所述安装架上设有与所述第二螺纹匹配的螺纹，所述安装架套设在所述第二精密丝杆上，所述第二精密丝杆与所述第二伺服电机的输出轴连接。
优选的，所述第一控制器接收所述图像采集模块的图像，基于所述图像，将传输带沿第一方向划分为多个网格，获取所述快件在所述传输带上的网格位置，基于所述网格位置，输出第一控制指令至所述第一伺服电机，以便控制所述X光图像扫描模块沿第一方向移动；基于所述图像，获取所述快件的尺寸，基于所述尺寸输出第二控制指令至第二伺服电机，以便控制X光图像扫描模块沿第二方向移动。
优选的，所述第二控制器接收所述X光图像扫描模块的X光图像，将所述X光图像作为神经网络模型的输入数据，将所述神经网络模型的输出数据作为所述快件的检验结果。
优选的，通过以下步骤获得所述神经网络模型：多次采集危险品的图像，获取所述危险品的训练图像；分析所述危险品的训练图像；提取所述危险品的特征信息；将所述训练图像作为模型输入，将所述特征信息作为模型输出，利用随机梯度下降法进行训练，获得所述神经网络模型。
优选的，基于所述X光图像，获取所述快件的检验结果包括：对危险品进行识别算法训练，获取特征数据；根据所述特征数据，设定预设图像；比较所述X光图像与所述预设图像，识别所述危险品，获得所述快件的检验结果。
优选的，所述比较所述X光图像与所述预设图像，包括：获取所述X光图像的特征数据；比较所述X光图像的特征数据与预设图像的特征数据；若所述X光图像的特征数据与所述预设图像的特征数据达到匹配阈值，则确定为危险品。
优选的，所述若所述X光图像的特征数据与所述预设图像的特征数据达到匹配阈值包括：计算所述X光图像的特征数据与所述预设图像的特征数据的匹配系数；当所述匹配系数大于预设阈值时，则确定为危险品；其中，根据下述公式计算所述X光图像的特征数据与所述预设图像的特征数据的匹配系数：
b＝max(r(x,yj)),j＝1,2...m
Figure BDA0002471653500000041
Figure BDA0002471653500000042
其中，b为X光图像的特征数据与预设图像的特征数据的匹配系数，x为X光图像的特征数据，y为预设图像的特征数据，r(x,yj)为X光图像的特征数据与第j个预设图像的特征数据的相关系数，n为特征数据的个数，m为预设图像的个数，M为X光图像的特征数据的平均值，Q为预设图像的特征数据的平均值。
优选的，当所述检验结果为检测到危险品时，所述第二控制器输出第三控制指令至所述第三电机，使得第一滑板打开。
优选的，所述第二控制器将所述快件在传输带上的位置图像、X光图像、所述快件的检验结果及其对应的编号发送至所述服务器。
本发明的有益效果在于：本发明的基于X光机国际快件图像查验***通过将X光图像扫描模块通过安装架安装在架板上，安装架在架板上可以沿第二方向移动，架板安装在机架的横梁上，架板在横梁上沿第一方向移动，从而带动X光图像扫描模块沿第一方向移动，图像采集模块采集国际快件在传输带上的位置图像发送至第一控制器，第一控制器根据国际快件在传输带上的位置图像，输出控制指令至第一伺服电机和第二伺服电机，进而带动X光图像扫描模块近距离扫描国际快件，第二控制器基于X光图像获取快件的检验结果，并将快件的检验结果发送至服务器，实现近距离扫描快件，提高了检测精度，通过服务器存储，实现快件的追溯功能。
本发明的***具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的，或者将在并入本文中的附图和随后的具体实施例中进行详细陈述，这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。其中，在本发明示例性实施方式中，相同的附图标记通常代表相同部件。
图1示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的结构框图。
图2示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的机架的结构连接图。
图3示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的部分连接示意图。
附图标记说明：
01、机架；02、第一输送带；03、横梁；04、架板；05、第一伺服电机；06、第一精密丝杆；07、第二伺服电机；08、第二精密丝杆；09、安装架；10、X光图像扫描模块；11、快件；12、图像采集模块；13、第一控制器；14、第二控制器；15、服务器；16、第一滑板；17、第三电机；18、第二滑板；19、第二输送带；20、第三输送带。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施例。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
根据本发明的一种基于X光机国际快件图像查验***，包括：机架，机架设置在第一输送带的两侧，机架上设有横梁，横梁上设有第一伺服电机、第一精密丝杆和架板，第一精密丝杆分别与第一伺服电机和架板连接，架板在第一精密丝杆上沿第一方向移动；架板上设有第二伺服电机、第二精密丝杆和安装架，第二精密丝杆分别与第二伺服电机和安装架连接，安装架在第二精密丝杆上沿第二方向移动；X光图像扫描模块，X光图像扫描模块与安装架连接，用于获取快件的X光图像；图像采集模块，图像采集模块设置在机架上，采集快件在传输带上的位置图像；第一控制器，第一控制器分别与第一伺服电机、第二伺服电机、X光图像扫描模块和图像采集模块连接，基于快件在传输带上的位置图像，控制X光图像扫描模块沿第一方向和第二方向的移动；第二控制器，第二控制器与X光图像扫描模块连接，基于X光图像，获取快件的检验结果；服务器，服务器与第二控制器连接，存储快件的检验结果。
具体的，沿第一输送带的传动方向，机架的内侧壁设置在第一输送带的两侧，机架的内侧顶面上设有横梁，第一伺服电机固定连接在横梁的一端，第一伺服电机的输出轴连接第一精密丝杆，第一精密丝杆上套设有架板，架板在第一精密丝杆上沿第一方向移动。架板上固定连接有第二伺服电机，第二伺服电机的输出轴连接第二精密丝杆，第二精密丝杆上套设有安装架，安装架在第二精密丝杆上沿第二方向移动。安装架上固定有X光图像扫描模块，通过安装架带动X光图像扫描模块沿第二方向移动，通过架板带动X光图像扫描模块沿第一方向移动。机架的内侧顶面上，在第一输送带上方的位置处固定有图像采集模块，当快件在第一输送带上进入机架内时，图像采集模块采集快件在第一输送带上的位置图像，并将位置图像发送给第一控制器，第一控制器基于位置图像，获取快件在第一输送带上的具***置，并根据具***置信息输出控制指令至第一伺服电机和第二伺服电机，通过第一伺服电机和第二伺服电机的转动，带动第一精密丝杆上的架板和第二精密丝杆的安装架的移动，进而带动X光图像扫描模块移动至快件的正上方，X光图像扫描模块获得快件的X光图像，并将X光图像发送至第二控制器，第二控制器对X光图像进行分析处理，识别X光图像中是否有危险品，根据识别结果，输出检测结果。第二控制器将快件的X光图像、检测结果及对应的编号发送给服务器，以便服务器进行存储，完成后续的追溯和查验。
根据示例性的实施方式，基于X光机国际快件图像查验***通过将X光图像扫描模块通过安装架安装在架板上，安装架在架板上可以沿第二方向移动，架板安装在机架的横梁上，架板在横梁上沿第一方向移动，从而带动X光图像扫描模块沿第一方向移动，图像采集模块采集国际快件在传输带上的位置图像发送至第一控制器，第一控制器根据国际快件在传输带上的位置图像，输出控制指令至第一伺服电机和第二伺服电机，进而带动X光图像扫描模块近距离扫描国际快件，第二控制器基于X光图像获取快件的检验结果，并将快件的检验结果发送至服务器，实现近距离扫描快件，提高了检测精度，通过服务器存储，实现快件的追溯功能。
作为优选方案，基于X光机国际快件图像查验***还包括：基于X光机国际快件图像查验***还包括：第一滑板，第一滑板的一端通过转动杆连接在第一输送带的出口处；第三电机，第三电机与第二控制器连接，带动转动杆打开或关闭第一滑板；第二滑板，第二滑板的一端与第三输送带的入口连接；当第一滑板打开时，第一滑板的另一端与第二滑板的一端连接；当第一滑板关闭时，第一滑板的另一端与第二输送带的入口连接。
具体的，当第一滑板关闭时，第一输送带的出口处连接第一滑板的一端，第一滑板的另一端连接第二输送带的入口，当检测结果为快件存在危险品时，通过转动杆的配合带动第一滑板打开，当第一滑板打开时，第一滑板的另一端连接第二滑板的另一端，第二滑板的一端与第三输送带的入口连接，也就是说当快件不存在危险品时，快件由第一输送带的出口进入第一滑板，通过第一滑板滑入第二输送带的入口，再继续后续的传送；当快件存在危险品时，第一滑板打开，快件由第一输送带的出口依次通过第一滑板和第二滑板，滑入第三输送带的入口，继续后续对应的传送及处理。
根据示例性的实施方式，基于X光机国际快件图像查验***将存在危险品的快件转入第三输送带上，智能的区分出存在危险品的快件，以便工作人员进行后续的处理。
作为优选方案，横梁上设有第一滑槽，架板上设有与第一滑槽匹配的第一滑块；架板上设有第二滑槽，安装架上设有与第二滑槽匹配的第二滑块。
具体的，架板的第一滑块在横梁的第一滑槽内滑动，实现架板沿第一精密丝杆上的移动，进而带动设置在架板上的安装架，及安装架上的X光图像扫描模块在第一精密丝杆上沿第一方向移动。安装架的第二滑块在架板的第二滑槽内滑动，实现安装架带动X光图像扫描模块在第二精密丝杆上沿第二方向移动，第二方向为上下方向。
作为优选方案，第一精密丝杆上设有第一螺纹，架板上设有与第一螺纹匹配的螺纹，架板套设在第一精密丝杆上，第一精密丝杆与第一伺服电机的输出轴连接；第二精密丝杆上设有第二螺纹，安装架上设有与第二螺纹匹配的螺纹，安装架套设在第二精密丝杆上，第二精密丝杆与第二伺服电机的输出轴连接。
具体的，当第一伺服电机转动时，带动第一精密丝杆转动，进而使得套设在第一精密丝杆上的架板在第一精密丝杆上沿第一方向移动，架板上的安装架上固定的X光图像扫描模块也沿第一方向移动，第一方向垂直于第一输送带传动方向；当第二伺服电机转动时，带动第二精密丝杆转动，进而使得套设在第二精密丝杆上的安装架在第一精密丝杆上沿第一方向移动，安装架上固定的X光图像扫描模块也沿第二方向移动，第二方向为上下方向。
作为优选方案，第一控制器接收图像采集模块的图像，基于图像，将传输带沿第一方向划分为多个网格，获取快件在传输带上的网格位置，基于网格位置，输出第一控制指令至第一伺服电机，以便控制X光图像扫描模块沿第一方向移动；基于图像，获取所述快件的尺寸，基于所述尺寸输出第二控制指令至第二伺服电机，以便控制X光图像扫描模块沿第二方向移动。
具体的，第一控制器将传输带沿第一方向划分为多个网格，第一方向垂直于第一输送带传动方向，接收来自于图像采集模块的快件在第一输送带上的位置图像后，识别图像中的快件，获取快件在第一输送带上所占的网格位置，根据网格位置输出第一控制指令至第一伺服电机，控制第一伺服第机的转动速度，从而带动X光图像扫描模块沿第一方向移动至快件的正上方。第一控制器还获取快件的尺寸，根据快件的尺寸输出第二控制指令至第二伺服电机，控制第二伺服第机的转动速度，从而带动X光图像扫描模块沿第二方向移动，以最佳的扫描范围对快件进行扫描。
作为优选方案，第二控制器接收X光图像扫描模块的X光图像，将X光图像作为神经网络模型的输入数据，将神经网络模型的输出数据作为快件的检验结果。
作为优选方案，通过以下步骤获得神经网络模型：多次采集危险品的图像，获取危险品的训练图像；分析危险品的训练图像；提取危险品的特征信息；将训练图像作为模型输入，将特征信息作为模型输出，利用随机梯度下降法进行训练，获得神经网络模型。
具体的，通过人工方式在快件内放置危险品，危险品的种类很多，包括经常在快件内出现的以及可能会出现的，X光图像扫描模块大量采集放置了危险品的快件X光图像，作为训练图像，发送至第二控制器，第二控制器分析训练图像，通过大量设置、采集及分析训练，提取危险品的特征，将采集的训练图像作为初始模型的输入，将最终提取的特征信息作为初始模型的输出，利用随机梯度下降法对初始模型进行训练，获得神经网络模型。
将实际采集的快件X光图像作为神经网络模型的输入，神经网络模型根据训练的危险品特征识别出的危险品，获得快件的检测结果。神经网络模型根据需要检测的图像及输出的结果进行自我优化，通过大量训练进行算法识别，建立的神经网络模型，检测精度高。
作为优选方案，基于X光图像，获取快件的检验结果包括：对危险品进行识别算法训练，获取特征数据；根据特征数据，设定预设图像；比较X光图像与预设图像，识别危险品，获得快件的检验结果。
作为优选方案，比较X光图像与预设图像，包括：获取X光图像的特征数据；比较X光图像的特征数据与预设图像的特征数据；若X光图像的特征数据与预设图像的特征数据达到匹配阈值，则确定为危险品。
具体的，通过人工方式在快件内放置危险品，危险品的种类很多，包括经常在快件内出现的以及可能会出现的，X光图像扫描模块大量采集放置了危险品的快件X光图像，作为训练图像，并发送给第二控制器，第二控制器分析训练图像，通过大量设置、采集及分析训练，提取危险品的特征，根据训练获得的危险品的特征，设置危险品的预设图像。获取X光图像的特征，比较X光图像的特征与预设图像的特征，如果这两者的特征的匹配度大于或等于预设阈值，认为X光图像的危险品与预设图像中的危险品相同，输出快件的检测结果。通过大量训练进行算法识别，获取危险品特征，检测精度高。
作为优选方案，若X光图像的特征数据与预设图像的特征数据达到匹配阈值包括：计算X光图像的特征数据与预设图像的特征数据的匹配系数；当匹配系数大于预设阈值时，则确定为危险品；其中，根据下述公式计算X光图像的特征数据与预设图像的特征数据的匹配系数：
b＝max(r(x,yj)),j＝1,2...m
Figure BDA0002471653500000111
Figure BDA0002471653500000112
其中，b为X光图像的特征数据与预设图像的特征数据的匹配系数，x为X光图像的特征数据，y为预设图像的特征数据，r(x,yj)为X光图像的特征数据与第j个预设图像的特征数据的相关系数，n为特征数据的个数，m为预设图像的个数，M为X光图像的特征数据的平均值，Q为预设图像的特征数据的平均值。
具体的，分别计算采集的图像的特征数据与数据库中预存的预设图像的特征数据的相关系数，相关系数越大，说明采集的图像的特征数据与预设图像的特征数据越相似，分机计算采集的图像与多个预设图像的相关系数，获取多个相关系数中的最大值，作为匹配系数，将匹配系数与预设阈值做比较，当匹配系数大于预设阈值时，确定为危险品。
采集的图像的特征数据包括关键点特征数据、关键点邻近特征数据和关键点次邻近特征数据，根据关键点特征数据、关键点邻近特征数据和关键点次邻近特征数据，在预设图像中截取与采集的图像的特征数据个数相同的关键部分的特征数据。还可以将预设图像进行尺寸的放大、缩小或旋转后，再截取与采集的图像的特征数据个数相同的关键部分的特征数据。
采集的图像的特征数据可以是表征特征的数据，可以通过向量表征的描述子来表示，可以是用矩阵表示的数据，但是在进行相关性计算的时候先将矩阵变成数值，再进行计算，可以将矩阵中的每个数据进行单独相关性计算。
作为优选方案，当检验结果为检测到危险品时，第二控制器输出第三控制指令至第三电机，使得第一滑板打开。
具体的，当检验结果为检测到危险品时，第二控制器输出第三控制指令至第三电机，控制第三电机的转动，通过齿轮结构带动转动杆的运动，进而使得第一滑板打开，第一滑板与第二滑板连接，携带危险品的快件依次通过第一滑板和第二滑板，滑入第三输送带，实现智能的将携带危险品的快件分拣出来，以便工作人员进行后续的工作。
作为优选方案，第二控制器将快件在传输带上的位置图像、X光图像、快件的检验结果及其对应的编号发送至服务器。
具体的，为了实现对快件安全检测的追溯，需要将快件的X光图像及快件的检验结果存储起来，但是存储器的存储容量小，不能满足要求，因此，第二控制器将快件在传输带上的位置图像作为外观图像，将快件的外观图像、X光图像、快件的检验结果及其对应的编号发送至服务器，服务器的存储空间相当庞大，便于快件的跟踪和追溯。
实施例
图1示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的结构框图。图2示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的机架的结构连接图。图3示出了根据本发明的一个实施例的一种基于X光机国际快件图像查验***的第一滑板与第二滑板的位置示意图。
结合图1、图2和图3所示，该基于X光机国际快件11图像查验***，包括：机架01，机架01设置在第一输送带02的两侧，机架01上设有横梁03，横梁03上设有第一伺服电机05、第一精密丝杆06和架板04，第一精密丝杆06分别与第一伺服电机05和架板04连接，架板04在第一精密丝杆06上沿第一方向移动；架板04上设有第二伺服电机07、第二精密丝杆08和安装架09，第二精密丝杆08分别与第二伺服电机07和安装架09连接，安装架09在第二精密丝杆08上沿第二方向移动；X光图像扫描模块10，X光图像扫描模块10与安装架09连接，用于获取快件11的X光图像；图像采集模块12，图像采集模块12设置在机架01上，采集快件11在传输带上的位置图像；第一控制器13，第一控制器13分别与第一伺服电机05、第二伺服电机07、X光图像扫描模块10和图像采集模块12连接，基于快件11在传输带上的位置图像，控制X光图像扫描模块10沿第一方向和第二方向的移动；第二控制器14，第二控制器14与X光图像扫描模块10连接，基于X光图像，获取快件11的检验结果；服务器15，服务器15与第二控制器14连接，存储快件11的检验结果。
其中，基于X光机国际快件11图像查验***还包括：基于X光机国际快件11图像查验***还包括：第一滑板16，第一滑板16的一端通过转动杆连接在第一输送带02的出口处；第三电机17，第三电机17与第二控制器14连接，带动转动杆打开或关闭第一滑板16；第二滑板18，第二滑板18的一端与第三输送带20的入口连接；当第一滑板16打开时，第一滑板16的另一端与第二滑板18的一端连接；当第一滑板16关闭时，第一滑板16的另一端与第二输送带19的入口连接。
其中，横梁03上设有第一滑槽，架板04上设有与第一滑槽匹配的第一滑块；架板04上设有第二滑槽，安装架09上设有与第二滑槽匹配的第二滑块。
其中，第一精密丝杆06上设有第一螺纹，架板04上设有与第一螺纹匹配的螺纹，架板04套设在第一精密丝杆06上，第一精密丝杆06与第一伺服电机05的输出轴连接；第二精密丝杆08上设有第二螺纹，安装架09上设有与第二螺纹匹配的螺纹，安装架09套设在第二精密丝杆08上，第二精密丝杆08与第二伺服电机07的输出轴连接。
其中，第一控制器13接收图像采集模块12的图像，基于图像，将传输带沿第一方向划分为多个网格，获取快件11在传输带上的网格位置，基于网格位置，输出第一控制指令至第一伺服电机05，以便控制X光图像扫描模块10沿第一方向移动；基于图像，获取所述快件11的尺寸，基于所述尺寸输出第二控制指令至第二伺服电机07，以便控制X光图像扫描模块10沿第二方向移动。
其中，第二控制器14接收X光图像扫描模块10的X光图像，将X光图像作为神经网络模型的输入数据，将神经网络模型的输出数据作为快件11的检验结果。
其中，通过以下步骤获得神经网络模型：多次采集危险品的图像，获取危险品的训练图像；分析危险品的训练图像；提取危险品的特征信息；将训练图像作为模型输入，将特征信息作为模型输出，利用随机梯度下降法进行训练，获得神经网络模型。
其中，基于X光图像，获取快件11的检验结果包括：对危险品进行识别算法训练，获取特征数据；根据特征数据，设定预设图像；比较X光图像与预设图像，识别危险品，获得快件11的检验结果。
其中，比较X光图像与预设图像，包括：获取X光图像的特征数据；比较X光图像的特征数据与预设图像的特征数据；若X光图像的特征数据与预设图像的特征数据达到匹配阈值，则确定为危险品。
其中，若X光图像的特征数据与所述预设图像的特征数据达到匹配阈值包括：计算X光图像的特征数据与预设图像的特征数据的匹配系数；
当匹配系数大于预设阈值时，则确定为危险品；
其中，根据下述公式计算所述X光图像的特征数据与预设图像的特征数据的匹配系数：
b＝max(r(x,yj)),j＝1,2...m
Figure BDA0002471653500000151
Figure BDA0002471653500000152
其中，b为X光图像的特征数据与预设图像的特征数据的匹配系数，x为X光图像的特征数据，y为预设图像的特征数据，r(x,yj)为X光图像的特征数据与第j个预设图像的特征数据的相关系数，n为特征数据的个数，m为预设图像的个数，M为X光图像的特征数据的平均值，Q为预设图像的特征数据的平均值。
其中，当检验结果为检测到危险品时，第二控制器14输出第三控制指令至第三电机17，使得第一滑板16打开。
其中，第二控制器14将快件11在传输带上的位置图像、X光图像、快件11的检验结果及其对应的编号发送至服务器15。
以上已经描述了本发明的实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的实施例。在不偏离所说明的实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (9)

1.一种基于X光机国际快件图像查验***，其特征在于，包括：
机架，所述机架设置在第一输送带的两侧，所述机架上设有横梁，所述横梁上设有第一伺服电机、第一精密丝杆和架板，所述第一精密丝杆分别与所述第一伺服电机和架板连接，所述架板在第一精密丝杆上沿第一方向移动；
所述架板上设有第二伺服电机、第二精密丝杆和安装架，所述第二精密丝杆分别与所述第二伺服电机和安装架连接，所述安装架在第二精密丝杆上沿第二方向移动；
X光图像扫描模块，所述X光图像扫描模块与所述安装架连接，用于获取快件的X光图像；
图像采集模块，所述图像采集模块设置在所述机架上，采集所述快件在传输带上的位置图像；
第一控制器，所述第一控制器分别与所述第一伺服电机、第二伺服电机、X光图像扫描模块和图像采集模块连接，基于所述快件在传输带上的位置图像，控制所述X光图像扫描模块沿第一方向和第二方向的移动；
第二控制器，所述第二控制器与所述X光图像扫描模块连接，基于所述X光图像，获取所述快件的检验结果；
服务器，所述服务器与所述第二控制器连接，存储所述快件的检验结果；
所述第一控制器接收所述图像采集模块的图像，基于所述图像，将传输带沿第一方向划分为多个网格，获取所述快件在所述传输带上的网格位置，基于所述网格位置，输出第一控制指令至所述第一伺服电机，以便控制所述X光图像扫描模块沿第一方向移动；基于所述图像，获取所述快件的尺寸，基于所述尺寸输出第二控制指令至第二伺服电机，以便控制X光图像扫描模块沿第二方向移动。
2.根据权利要求1所述的基于X光机国际快件图像查验***，其特征在于：所述基于X光机国际快件图像查验***还包括：
第一滑板，所述第一滑板的一端通过转动杆连接在所述第一输送带的出口处；
第三电机，所述第三电机与所述第二控制器连接，带动所述转动杆打开或关闭第一滑板；
第二滑板，所述第二滑板的一端与第三输送带的入口连接；
当所述第一滑板打开时，所述第一滑板的另一端与所述第二滑板的一端连接；当所述第一滑板关闭时，所述第一滑板的另一端与第二输送带的入口连接。
3.根据权利要求1所述的基于X光机国际快件图像查验***，其特征在于：
所述横梁上设有第一滑槽，所述架板上设有与所述第一滑槽匹配的第一滑块；
所述架板上设有第二滑槽，所述安装架上设有与所述第二滑槽匹配的第二滑块；
所述第一精密丝杆上设有第一螺纹，所述架板上设有与所述第一螺纹匹配的螺纹，所述架板套设在所述第一精密丝杆上，所述第一精密丝杆与所述第一伺服电机的输出轴连接；
所述第二精密丝杆上设有第二螺纹，所述安装架上设有与所述第二螺纹匹配的螺纹，所述安装架套设在所述第二精密丝杆上，所述第二精密丝杆与所述第二伺服电机的输出轴连接。
4.根据权利要求1所述的基于X光机国际快件图像查验***，其特征在于，所述第二控制器接收所述X光图像扫描模块的X光图像，将所述X光图像作为神经网络模型的输入数据，将所述神经网络模型的输出数据作为所述快件的检验结果；
通过以下步骤获得所述神经网络模型：
多次采集危险品的图像，获取所述危险品的训练图像；
分析所述危险品的训练图像；
提取所述危险品的特征信息；
将所述训练图像作为模型输入，将所述特征信息作为模型输出，利用随机梯度下降法进行训练，获得所述神经网络模型。
5.根据权利要求1所述的基于X光机国际快件图像查验***，其特征在于，基于所述X光图像，获取所述快件的检验结果包括：
对危险品进行识别算法训练，获取特征数据；
根据所述特征数据，设定预设图像；
比较所述X光图像与所述预设图像，识别所述危险品，获得所述快件的检验结果。
6.根据权利要求5所述的基于X光机国际快件图像查验***，其特征在于，所述比较所述X光图像与所述预设图像，包括：
获取所述X光图像的特征数据；
比较所述X光图像的特征数据与预设图像的特征数据；
若所述X光图像的特征数据与所述预设图像的特征数据达到匹配阈值，则确定为危险品。
7.根据权利要求6所述的基于X光机国际快件图像查验***，其特征在于，所述若所述X光图像的特征数据与所述预设图像的特征数据达到匹配阈值包括：
计算所述X光图像的特征数据与所述预设图像的特征数据的匹配系数；
当所述匹配系数大于预设阈值时，则确定为危险品；
其中，根据下述公式计算所述X光图像的特征数据与所述预设图像的特征数据的匹配系数：
b＝max(r(x,yj)),j＝1,2...m
Figure FDA0002810295360000041
Figure FDA0002810295360000042
其中，b为X光图像的特征数据与预设图像的特征数据的匹配系数，x为X光图像的特征数据，y为预设图像的特征数据，r(x,yj)为X光图像的特征数据与第j个预设图像的特征数据的相关系数，n为特征数据的个数，m为预设图像的个数，M为X光图像的特征数据的平均值，Q为预设图像的特征数据的平均值。
8.根据权利要求4或5所述的基于X光机国际快件图像查验***，其特征在于：当所述检验结果为检测到危险品时，所述第二控制器输出第三控制指令至第三电机，使得第一滑板打开。
9.根据权利要求1所述的基于X光机国际快件图像查验***，其特征在于，所述第二控制器将所述快件在传输带上的位置图像、X光图像、所述快件的检验结果及其对应的编号发送至所述服务器。
CN202010350151.5A 2020-04-28 2020-04-28 一种基于x光机国际快件图像查验*** Expired - Fee Related CN111551569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010350151.5A CN111551569B (zh) 2020-04-28 2020-04-28 一种基于x光机国际快件图像查验***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010350151.5A CN111551569B (zh) 2020-04-28 2020-04-28 一种基于x光机国际快件图像查验***

Publications (2)

Publication Number Publication Date
CN111551569A CN111551569A (zh) 2020-08-18
CN111551569B true CN111551569B (zh) 2021-01-08

Family

ID=72003243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010350151.5A Expired - Fee Related CN111551569B (zh) 2020-04-28 2020-04-28 一种基于x光机国际快件图像查验***

Country Status (1)

Country Link
CN (1) CN111551569B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112304981A (zh) * 2020-11-02 2021-02-02 合肥格泉智能科技有限公司 一种基于x光机货物图像同屏对比***
CN116295624A (zh) * 2023-02-23 2023-06-23 江苏施多德传感科技有限公司 多传感器组合的一体化货车车载智能检测仪

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011011894A1 (en) * 2009-07-31 2011-02-03 Optosecurity Inc. Method and system for identifying a liquid product in luggage or other receptacle
CN103890570A (zh) * 2011-11-09 2014-06-25 雅马哈发动机株式会社 X射线检查方法及装置
CN103901493A (zh) * 2012-12-27 2014-07-02 同方威视技术股份有限公司 一种无机架ct装置
CN105784731A (zh) * 2014-06-25 2016-07-20 同方威视技术股份有限公司 一种定位三维ct图像中的目标的方法和安检***
CN107490587A (zh) * 2016-06-10 2017-12-19 欧姆龙株式会社 检查装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6566885B1 (en) * 1999-12-14 2003-05-20 Kla-Tencor Multiple directional scans of test structures on semiconductor integrated circuits
JP3416103B2 (ja) * 2000-07-28 2003-06-16 メディエックステック株式会社 Ｘ線検査装置における実効焦点寸法の決定方法
CN201207041Y (zh) * 2008-04-22 2009-03-11 广东正业科技有限公司 一种x光检测设备
KR20120093590A (ko) * 2011-02-15 2012-08-23 삼성전자주식회사 엑스레이촬영장치
CN102338756B (zh) * 2011-06-17 2013-01-02 上海现代科技发展有限公司 微焦点x射线精密透视成像检测设备
CN103901059B (zh) * 2014-03-24 2016-04-20 佛山市南海区宏乾电子有限公司 X光电子器件检测***
CN204086169U (zh) * 2014-03-24 2015-01-07 佛山市南海区宏乾电子有限公司 工作台自动限位保护型x光电子器件检测机
CN204631267U (zh) * 2015-05-24 2015-09-09 张万军 一种工件的x射线检测控制***
CN205643192U (zh) * 2016-03-11 2016-10-12 河北工业大学 一种smt模版质量的检测设备
CN106903069B (zh) * 2017-02-24 2023-01-06 广东正业科技股份有限公司 一种x光检测设备
CN108020567B (zh) * 2017-11-20 2021-02-09 首都航天机械公司 一种贮箱环缝x射线自动化检测***
DE202019101293U1 (de) * 2018-10-25 2019-05-28 Universität Zürich Prorektorat Forschung Portables Schienensystem zur Herstellung von Schnittbildaufnahmen mittels einer konventionellen Röntgenausrüstung
CN109675822B (zh) * 2018-12-18 2020-10-16 青岛黄海学院 一种基于x光检测的自动去除胶片金属杂质的装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011011894A1 (en) * 2009-07-31 2011-02-03 Optosecurity Inc. Method and system for identifying a liquid product in luggage or other receptacle
CN103890570A (zh) * 2011-11-09 2014-06-25 雅马哈发动机株式会社 X射线检查方法及装置
CN103901493A (zh) * 2012-12-27 2014-07-02 同方威视技术股份有限公司 一种无机架ct装置
CN105784731A (zh) * 2014-06-25 2016-07-20 同方威视技术股份有限公司 一种定位三维ct图像中的目标的方法和安检***
CN107490587A (zh) * 2016-06-10 2017-12-19 欧姆龙株式会社 检查装置

Also Published As

Publication number Publication date
CN111551569A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN108802840B (zh) 基于人工智能深度学习的自动识别物体的方法及其装置
CN111551569B (zh) 一种基于x光机国际快件图像查验***
CN103052342B (zh) 收银台
CN110749934A (zh) 一种旅检智能通道自动匹配远程集中判读***及方法
US10509979B2 (en) Inspection methods and systems
CN109225915B (zh) 一种铆钉质量评级和自动分拣***及方法
CN110711718A (zh) 基于x光图像的快递包裹智能分拣***、方法及存储介质
US20080198967A1 (en) High throughput baggage inspection system
CN110850493A (zh) 一种扫描成像机器视觉判图的线阵列高速安检机
WO2020146467A1 (en) Systems and methods for limiting induction of objects to one or more object processing systems
CN110125044A (zh) 一种基于双目视觉的苹果分选设备
CN110533371B (zh) 一种具有安全装置的电力物联网设备的智能物流仓储***及方法
Moirogiorgou et al. Intelligent robotic system for urban waste recycling
CN111792256B (zh) 一种智能检测及智能分级储放的送料***
CN112371548B (zh) 一种行包安检分拣测试装置及测试方法
CN110503376B (zh) 一种电力物联网设备的智能物流仓储***
CN112156992A (zh) 一种机器视觉教学创新平台
CN211263806U (zh) 一种旅检智能通道自动匹配远程集中判读***
CN111842187A (zh) 一种快递安检机、安检方法、装置及其***
Yang et al. Research on an Automatic Sorting System Based on Machine Vision
CN110632081A (zh) 基于2d及3d视觉的轴承外观检测设备
CN213792871U (zh) 基于x光图像智能分析的快递物品分拣装置
CN110270509A (zh) 一种物流分拣安检一体化***及方法
CN205205276U (zh) 一种自动提取羽毛绒的装置
KR100357764B1 (ko) 지능형 피혁 품질선별 장치

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210108