CN115078414A - 基于多能量x射线的液体成分抗干扰智能检测方法 - Google Patents
基于多能量x射线的液体成分抗干扰智能检测方法 Download PDFInfo
- Publication number
- CN115078414A CN115078414A CN202210989517.2A CN202210989517A CN115078414A CN 115078414 A CN115078414 A CN 115078414A CN 202210989517 A CN202210989517 A CN 202210989517A CN 115078414 A CN115078414 A CN 115078414A
- Authority
- CN
- China
- Prior art keywords
- liquid
- energy
- liquid container
- container
- value
- 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.)
- Granted
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 114
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000002283 diesel fuel Substances 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Description
技术领域
本发明属于安全检测领域,涉及一种基于多能量X射线的液体成分抗干扰智能检测方法。
背景技术
随着汽油、酒精、柴油、Zippo打火机油等各类易燃液体越发频繁地出现在物流快递和公共交通的安检中,一旦未能准确、及时地检测出易燃液体,不仅会加剧重大的人员伤亡和财产损失的风险,同时也将给社会造成非常恶劣的影响。
X光机彩色图像主要是通过高、低能X射线在穿过被检测物体后得到被检测物体底层信息,再通过图像处理进行着色,最终形成X光机彩色图像,如保温杯、金属刀具等同为蓝色,压力罐、玻璃、胶水等同为绿色,塑料容器、酒精、汽油和水等同为橙色。
现有大多人工或智能判别的方法大都通过X光机彩色图像中目标物形状特征辅以颜色进行判断。针对液体而言,其形状为所盛装容器的形状,故形状特征无法作为液体成分检测的重要依据;且常见的安全液体与危险液体的颜色是非常相近的,所以通过颜色特征是无法将安全液体与危险液体区分开的,液体的具体成分更是无法准确检测的。
进一步有技术利用X射线照射后得到的等效原子序数或者物体密度与数据库中的值进行比对来进行液体成分检测,如发明专利CN 113781426 A公开了一种识别液体成分的智能安检方法,通过确定液体部分为位置,并检测对应位置的等效原子序数确定溶液的成分。但在实际检测中,容器对液体的等效原子序数和物体密度数值的影响很大,即所反映的等效原子序数和物体密度已不能表征液体真实的成分;且不同材质的容器对同一液体的等效原子序数和物体密度数值影响不同,所以这种液体成分检测方法是不准确的,或只对特定的、单一的容器有效,不具有普适性。
故现阶段公共交通安检仍采用“逢液必检”、“逢疑必检”的人工安检策略,即必须通过人工经验对X光机彩色图像的颜色和形状判图,对所有包含液体容器的包裹进行开包,并将液体容器逐个放置到专用的液体仪器检测,这不仅增加了安检难度,也降低了安检效率。
发明内容
为解决上述技术问题,本发明公开了一种基于多能量能谱图的液体成分抗干扰智能检测方法,本发明能够有效克服现有技术所存在的不能有效对不同容器的液体进行抗干扰的液体成分准确检测的缺陷。
本发明解决其技术问题所采用的技术方案是:
一种基于多能量X射线的液体成分抗干扰智能检测方法,包括如下步骤:
步骤一、采用X光机对待检测物品分别进行高穿透性照射和低穿透性照射,分别输出X射线高能量值、X射线低能量值、高能谱灰度信号图、低能谱灰度信号图、空气背景的高能灰度信号值和空气背景的低能灰度信号值;各像素点的特征密度(这里的各像素既可以是高能谱灰度信号图、低能谱灰度信号图,也可以是X光机彩色图像对应的像素。因为这些图像的分辨率(图像的宽和高)是一致的。这里的各像素点的特征密度,可以看成存在一个特征密度分布图(与上面描述的图像宽高也是一致的)中的某一个像素点位置上,对应的特征密度值。
以及X光机彩色图像; 采用实例分割算法对X光机彩色图像进行自动识别,得到液体容器的轮廓区域在X光机彩色图像的位置和液体容器的类别,液体容器轮廓区域的外接矩形的左上角点坐标()和右下角点坐标;液体容器轮廓区域包括液体容器所占的区域及液体容器内部所占的区域;表示横坐标为,纵坐标为的像素点的坐标;
所述外接矩形为液体容器轮廓区域的最小外接矩形。
进一步的改进,所述液体容器轮廓区域的外接矩形为液体容器轮廓区域的最小外接矩形。
进一步的改进,当检测得到液体原子序数相对均值在0-1.2范围内,则液体容器为空;在8.5-9.7范围内的则液体为汽油;在10.3-12.9范围内则液体为柴油;在15.0-18.3范围内则液体为酒精;在19.0-21.5范围内则液体为水。
本发明的优点:
通过计算高、低能平均衰减系数得到用于表征液体真实成分的液体原子序数相对均值,实现在不同材质容器的干扰情况下仍可以准确地检测出液体成分。本发明能够有效克服现有技术所存在的不能有效对不同容器的液体进行抗干扰的液体成分准确检测的缺陷。
附图说明
图1为本发明的检测结果图。
具体实施方式
以下结合实施例对本发明作进一步说明。
其中,多能量X射线检测不同物体时,在高、低能谱下呈现的康普顿衰减系数和光电衰减系数不同,从而实现分辨不同物体的能力。其中,通过穿透性照射得到的高能谱相关信息反映了被检测物体产生的康普顿效应,低能谱相关信息反映了被检测物体产生的光电效应。由于低等效原子序数的物质(如水、汽油等液体)在多能量X射线下的光电衰减剧烈,高等效原子序数的物质(如金属、玻璃等容器)在多能量X射线下的康普顿衰减平缓,故针对液体容器而言,其在X射线高能量谱上主要反映了液体和容器的叠加特征,在X射线低能量谱上主要反映了容器的特征。
通过将液体和容器的底层数据对应的高能等效原子序数值与容器的底层数据对应的低能等效原子序数值相减即可得到实际液体的底层数据。为了便于反映实际液体的底层数据,本发明定义了液体原子序数相对均值,计算公式如(7)所示:
根据计算出的被检测液体原子序数相对均值即可确定液体的种类,如液体原子序数相对均值在0-1.2范围内的空的容器;液体原子序数相对均值在8.5-9.7范围内的液体为汽油;液体原子序数相对均值在10.3-12.9范围内的液体为柴油;液体原子序数相对均值在15.0-18.3范围内的液体为酒精;液体原子序数相对均值在19.0-21.5为水。具体检测结果图如图1所示。
整个设计使各个模块相互配合共同工作数据表达清楚符合题目所需功能最后应当说明的是,以上实施例仅用于说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当了解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于多能量X射线的液体成分抗干扰智能检测方法,其特征在于,包括如下步骤:
步骤一、采用X光机对待检测物品分别进行高穿透性照射和低穿透性照射,分别输出X射线高能量值、X射线低能量值、高能谱灰度信号图、低能谱灰度信号图、空气背景的高能灰度信号值和空气背景的低能灰度信号值、X光机彩色图像以及高能谱灰度信号图、低能谱灰度信号图或X光机彩色图像中像素点的特征密度; 采用实例分割算法对X光机彩色图像进行自动识别,得到液体容器的轮廓区域在X光机彩色图像的位置和液体容器的类别,液体容器轮廓区域的外接矩形的左上角点坐和右下角点坐标;液体容器轮廓区域包括液体容器所占的区域及液体容器内部所占的区域;表示横坐标为,纵坐标为的像素点的坐标;
5.如权利要求1所述的基于多能量X射线的液体成分抗干扰智能检测方法,其特征在于,所述液体容器轮廓区域的外接矩形为液体容器轮廓区域的最小外接矩形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989517.2A CN115078414B (zh) | 2022-08-18 | 2022-08-18 | 基于多能量x射线的液体成分抗干扰智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989517.2A CN115078414B (zh) | 2022-08-18 | 2022-08-18 | 基于多能量x射线的液体成分抗干扰智能检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115078414A true CN115078414A (zh) | 2022-09-20 |
CN115078414B CN115078414B (zh) | 2022-11-04 |
Family
ID=83244894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210989517.2A Active CN115078414B (zh) | 2022-08-18 | 2022-08-18 | 基于多能量x射线的液体成分抗干扰智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115078414B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115420761A (zh) * | 2022-11-07 | 2022-12-02 | 安徽启新明智科技有限公司 | 汽油与水区分网络的训练方法、汽油与水区分方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0868768A (ja) * | 1994-08-30 | 1996-03-12 | Hitachi Medical Corp | X線荷物検査装置 |
US5524133A (en) * | 1992-01-15 | 1996-06-04 | Cambridge Imaging Limited | Material identification using x-rays |
US20090129544A1 (en) * | 2007-11-15 | 2009-05-21 | Zhiqiang Chen | Method and apparatus for substance identification |
CN101509880A (zh) * | 2009-03-25 | 2009-08-19 | 公安部第一研究所 | 一种应用x射线的多效应探测融合技术的安全检查*** |
CN102565107A (zh) * | 2007-10-05 | 2012-07-11 | 清华大学 | 液态物品检查方法和设备 |
CN102884422A (zh) * | 2010-02-25 | 2013-01-16 | 拉皮斯坎***股份有限公司 | 用以确定物质的原子序数的、高能量x射线的基于光谱学的检查***和方法 |
CN106353828A (zh) * | 2015-07-22 | 2017-01-25 | 清华大学 | 在安检***中估算被检查物体重量的方法和装置 |
CN107271467A (zh) * | 2017-07-26 | 2017-10-20 | 公安部第三研究所 | 一种基于x射线透视和散射技术的危险液体识别方法及*** |
EP3242127A1 (en) * | 2016-05-05 | 2017-11-08 | Nuctech Company Limited | Method and system for liquid detection |
CN113781426A (zh) * | 2021-09-07 | 2021-12-10 | 海深智能科技(上海)有限公司 | 一种识别液体成分的智能安检方法 |
-
2022
- 2022-08-18 CN CN202210989517.2A patent/CN115078414B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5524133A (en) * | 1992-01-15 | 1996-06-04 | Cambridge Imaging Limited | Material identification using x-rays |
JPH0868768A (ja) * | 1994-08-30 | 1996-03-12 | Hitachi Medical Corp | X線荷物検査装置 |
CN102565107A (zh) * | 2007-10-05 | 2012-07-11 | 清华大学 | 液态物品检查方法和设备 |
US20090129544A1 (en) * | 2007-11-15 | 2009-05-21 | Zhiqiang Chen | Method and apparatus for substance identification |
CN101509880A (zh) * | 2009-03-25 | 2009-08-19 | 公安部第一研究所 | 一种应用x射线的多效应探测融合技术的安全检查*** |
CN102884422A (zh) * | 2010-02-25 | 2013-01-16 | 拉皮斯坎***股份有限公司 | 用以确定物质的原子序数的、高能量x射线的基于光谱学的检查***和方法 |
CN106353828A (zh) * | 2015-07-22 | 2017-01-25 | 清华大学 | 在安检***中估算被检查物体重量的方法和装置 |
EP3242127A1 (en) * | 2016-05-05 | 2017-11-08 | Nuctech Company Limited | Method and system for liquid detection |
CN107271467A (zh) * | 2017-07-26 | 2017-10-20 | 公安部第三研究所 | 一种基于x射线透视和散射技术的危险液体识别方法及*** |
CN113781426A (zh) * | 2021-09-07 | 2021-12-10 | 海深智能科技(上海)有限公司 | 一种识别液体成分的智能安检方法 |
Non-Patent Citations (3)
Title |
---|
G. HARDING等: "Liquids identification with x-ray diffraction", 《PROC. OF SPIE》 * |
杨亚飞 等: "基于光子计数能谱CT的含能材料等效原子序数测量方法", 《光谱学与光谱分析》 * |
胡紫薇等: "基于双能X射线的液体危险品识别分类方法", 《无损检测》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115420761A (zh) * | 2022-11-07 | 2022-12-02 | 安徽启新明智科技有限公司 | 汽油与水区分网络的训练方法、汽油与水区分方法 |
CN115420761B (zh) * | 2022-11-07 | 2023-02-24 | 安徽启新明智科技有限公司 | 汽油与水区分网络的训练方法、汽油与水区分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115078414B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9170212B2 (en) | Method and system for performing inspection of a liquid product at a security checkpoint | |
Friedman | On sorting, sorting coefficients, and the lognormality of the grain-size distribution of sandstones | |
Hardcastle et al. | FRII radio galaxies with z< 0.3-I. Properties of jets, cores and hotspots | |
CN115078414B (zh) | 基于多能量x射线的液体成分抗干扰智能检测方法 | |
EP2734828B1 (en) | Identifying and measuring reticulocytes | |
EP2696196B1 (en) | Method and system for performing X-ray inspection of a liquid product at a security checkpoint | |
Fujita et al. | The Hα Luminosity Function and Star Formation Rate at z≈ 0.24 Based on Subaru Deep Imaging Data | |
CN110349126A (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
CN107588823A (zh) | 基于双波段成像的水尺水位测量方法 | |
CN112232234A (zh) | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 | |
CN104094099A (zh) | 测量细胞体积和成份 | |
CN107845090A (zh) | 一种硅片检测方法和硅片检测装置 | |
CN107993225A (zh) | 一种磁光涡流成像检测的缺陷识别方法 | |
Simpson | On the accurate detection and enhancement of oceanic features observed in satellite data | |
CN108846397A (zh) | 一种基于图像处理的电缆半导电层自动检测方法 | |
CA2692662C (en) | Method and system for performing x-ray inspection of a liquid product at a security checkpoint | |
CN113159110A (zh) | 一种基于x射线液体智能检测方法 | |
CA2709468C (en) | Method and system for performing x-ray inspection of a liquid product at a security checkpoint | |
CN111220588A (zh) | 一种基于油膜荧光亮度的流场辐聚辐散测量方法 | |
CN1682103A (zh) | 检测热灌注装瓶操作的密闭完整性的方法 | |
Yang et al. | An RGB channel operation for removal of the difference of atmospheric scattering and its application on total sky cloud detection | |
CN108362716A (zh) | 一种基于医用ct的文物材质检测判定方法及检测装置 | |
CN114511543A (zh) | 一种长输管道射线底片智能缺欠评定***及方法 | |
CN107300562A (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
CN111784629B (zh) | 一种漏油检测方法和*** |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Intelligent Detection Method for Anti Interference of Liquid Components Based on Multi energy X-ray Granted publication date: 20221104 Pledgee: Bank of Changsha Limited by Share Ltd. Wangcheng branch Pledgor: Hunan Ke Ke Intelligent Technology Co.,Ltd. Registration number: Y2024980001307 |