JP7422023B2 - X線画像処理装置およびx線画像処理方法 - Google Patents
X線画像処理装置およびx線画像処理方法 Download PDFInfo
- Publication number
- JP7422023B2 JP7422023B2 JP2020115632A JP2020115632A JP7422023B2 JP 7422023 B2 JP7422023 B2 JP 7422023B2 JP 2020115632 A JP2020115632 A JP 2020115632A JP 2020115632 A JP2020115632 A JP 2020115632A JP 7422023 B2 JP7422023 B2 JP 7422023B2
- Authority
- JP
- Japan
- Prior art keywords
- article
- ray image
- ray
- image processing
- recognition
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 47
- 238000003672 processing method Methods 0.000 title claims description 20
- 230000010354 integration Effects 0.000 claims description 40
- 238000000034 method Methods 0.000 description 64
- 238000007689 inspection Methods 0.000 description 31
- 230000005540 biological transmission Effects 0.000 description 25
- 239000000463 material Substances 0.000 description 16
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010029216 Nervousness Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
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)
- Image Analysis (AREA)
Description
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
本開示において、物品の「正面」とは、一般的な検査員が確認したときに物品を判別しやすい方向から見える面を意味し、物品の「側面」とは、正面が見える方向に対して垂直な方向から見える面を意味し、認識結果の「信頼度」とは、認識結果の尤もらしさを意味する。
X線検査装置100は、例えば空港の保安検査において手荷物検査装置として広く用いられている装置であり、X線装置本体(以下、装置本体という)101と、X線画像処理装置102と、表示部103と、入力部104を有する。X線画像処理装置102は例えばパーソナルコンピュータ(PC)である。表示部103は、2方向から撮影した画像を表示する場合や、カラー画像とグレースケール画像を表示する場合などに、2つ以上のディスプレイで構成されることもある。
X線画像処理装置102は、処理部(CPU:Central Processing Unit)201、主メモリ202、表示部103を接続する表示インターフェース(I/F)部203、入力部104を接続する入力インターフェース(I/F)部204、通信部205、記憶部210を有する情報処理装置である。
このような学習モデルを用いることにより、スマートフォンのように、正面と側面の見た目が大きく異なる場合、正面と側面を別の物品として学習していることで、正面と側面の識別をより的確に反映させた学習モデルが構築できる。
まず、X線画像取得プログラム212が、X線のセンサで取得された透過量データであるRAWデータまたは透過量データが画像化されたX線画像(ディスプレイに表示する画面信号)を取得する。ここで、入力が高低2種類のエネルギーのRAWデータの場合は、高低2種類のエネルギーの透過量データの差分情報から画像の画素単位の材質を判定する。材質の判定は、例えばこの分野で広く知られている高低2種類のエネルギーの透過量の差分情報により、金属、無機物、有機物、その他の4種類に分類する方法を用いることができる。そして、材質情報と高低2種類のエネルギーのいずれかのX線透過量を用いて、材質情報が色、透過量が濃さ(密度が大きい部分は濃く、密度が小さい部分は薄い)となるカラー画像を生成する。
次に、キャリブレーションプログラム216が、X線画像取得プログラム212で取得した2方向の撮影画像に対して荷物の進行方向に対する位置の対応付けを行う。例えば、X線画像取得プログラム212で2方向の2枚のX線画像を取得した場合、撮影方向によって物品の見え方が異なったり、ラインセンサの位置が異なるため、そのままでは、2枚の画像の画素単位の位置関係の対応が明確にならないことが多い。一般に検査員が検査装置の画像を目視して確認する場合や、1枚の画像毎にAIによる物品認識を適用する場合は、2枚の画像を画素単位で対応付ける必要はないため、検査員端末に表示される2方向2画面の画像はラインセンサの間隔分ずれて表示されていることもある。そこで、キャリブレーションプログラム216を用いて、以下に示す第1のキャリブレーション方法ないし第3のキャリブレーション方法にて2枚の画像の画素間の対応付けを実施する。
次に、物品認識プログラム213が、ステップS302で取得した2方向の2枚の画像をX線画像データ218から取得し、学習モデル219および深層学習のセグメンテーション処理を用いて画素単位で物品を認識する。ここで、物品の認識には、OSS(オープンソースソフトウェア)のライブラリとして広く知られている「Fully Convolutional Instance-aware Semantic Segmentation」や「Mask R-CNN」などのライブラリを用いることができる。なお、画素単位で物品が特定できれば、認識の方式は問わない。
次に、認識結果統合プログラム214が、物品を認識するステップS303で取得した2方向の認識結果に対して、認識結果をマージまたは選択する統合処理を以下に示す第1の統合方法ないし第3の統合方法にて行う。物品認識をするステップでは、物品の認識結果と一緒に認識結果の信頼度が得られる。すなわち、2つの方向の画像のそれぞれに対して、物品の正面の学習モデルと物品の側面の学習モデルを用いて認識を試みた場合の、それぞれの認識結果と認識結果の信頼度が得られる。得られた認識結果と認識結果の信頼度を用いて統合処理が行われる。
次に、画面生成プログラム215が、ステップS304の認識結果統合の結果の中に禁止物品が含まれている場合は、該当の部分をハイライト表示した画像を表示部103に表示する。なお、禁止物品が含まれない場合には、撮影した画像をそのまま表示すればよい。
次に、検査が終了すなわち撮影が終了した場合には、撮影したX線画像を認識して検査員に提示するステップS301ないしステップS305の処理を終了し、検査が継続している場合には、ステップS301ないしステップS305の処理を継続する。
次に、運用中に蓄積されたX線画像を使用して、学習モデルを生成または更新するかどうかの指示を入力I/Fに接続されたマウスやキーボードなどから受け、生成や更新をしない場合には全体の処理を終了する。
次に、物品学習プログラム217で、X線画像データ218を読出し、物品の学習を行い生成した学習モデルを、学習モデル219に登録する。
また、本実施例では、X線を用いて物品を撮影する例を示したが、物品を透過して撮影できる電磁波であれば、例えば、テラヘルツ波など他の電磁波を用いても構わない。
例えば、X線を電磁波に変えた次のような構成でも、複数の方向からの撮影が可能な電磁波検査装置において、禁止物品の認識精度を向上させることができる電磁波画像処理装置および電磁波画像処理方法を提供することができるという同様の効果を奏する。
物品を複数の方向から撮影した複数の電磁波画像を取得する電磁波画像取得部と、複数の電磁波画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識部と、複数の電磁波画像に対する認識結果を統合する認識結果統合部と、統合された認識結果をもとに、画面情報を生成する画面生成部と、有する電磁波画像処理装置。
電磁波画像処理装置における電磁波画像処理方法であって、物品を複数の方向から撮影した複数の電磁波画像を取得する電磁波画像取得ステップと、複数の電磁波画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識ステップと、複数の電磁波画像に対する認識結果を統合する認識結果統合ステップと、統合された認識結果をもとに、画面情報を生成する画面生成ステップと、を有する電磁波画像処理方法。
また、本実施例では、X線装置本体101と、X線画像処理装置102とが別体である例を示したが、X線画像処理装置は、X線装置本体に内蔵されてもよい。
101:装置本体
102:X線画像処理装置
103:表示部
104:入力部
201:CPU
202:主メモリ
205:通信部
210:記憶部
211:OS
212:X線画像取得プログラム
213:物品認識プログラム
214:認識結果統合プログラム
215:画面生成プログラム
216:キャリブレーションプログラム
217:物品学習プログラム
218:X線画像データ
219:学習モデル
Claims (12)
- 物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得部と、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識部と、
前記複数のX線画像に対する認識結果を統合する認識結果統合部と、
統合された認識結果をもとに、画面情報を生成する画面生成部と、
を有し、
前記認識結果統合部は、前記複数のX線画像から、前記物品の第1の面についての認識結果の信頼度が最も大きいX線画像を選択する、
X線画像処理装置。 - 請求項1に記載のX線画像処理装置であって、
前記物品認識部は、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識する、
X線画像処理装置。 - 物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得部と、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識部と、
前記複数のX線画像に対する認識結果を統合する認識結果統合部と、
統合された認識結果をもとに、画面情報を生成する画面生成部と、
を有し、
前記物品認識部は、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識し、
前記認識結果統合部は、前記複数のX線画像の1つに、前記物品の第1の面を認識でき、前記複数のX線画像の他の1つに、前記物品の第2の面を認識できる場合に、前記物品を認識する、
X線画像処理装置。 - 物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得部と、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識部と、
前記複数のX線画像に対する認識結果を統合する認識結果統合部と、
統合された認識結果をもとに、画面情報を生成する画面生成部と、
を有し、
前記画面生成部は、前記複数のX線画像のうち、一部のX線画像に対してのみ危険物が認識されている場合、残りのX線画像の前記危険物に対応する部分に、危険物が含まれる可能性がある領域を示す表示を追加する、
X線画像処理装置。 - 請求項4に記載のX線画像処理装置であって、
前記物品認識部は、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識する、
X線画像処理装置。 - 請求項1ないし請求項5のいずれか1項に記載のX線画像処理装置であって、
前記複数のX線画像のサイズまたは表示位置を調整するキャリブレーション部を有する、
X線画像処理装置。 - X線画像処理装置におけるX線画像処理方法であって、
物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得ステップと、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識ステップと、
前記複数のX線画像に対する認識結果を統合する認識結果統合ステップと、
統合された認識結果をもとに、画面情報を生成する画面生成ステップと、
を有し、
前記認識結果統合ステップは、前記複数のX線画像から、前記物品の第1の面についての認識結果の信頼度が最も大きいX線画像を選択する、
X線画像処理方法。 - 請求項7に記載のX線画像処理方法であって、
前記物品認識ステップは、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識する、
X線画像処理方法。 - X線画像処理装置におけるX線画像処理方法であって、
物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得ステップと、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識ステップと、
前記複数のX線画像に対する認識結果を統合する認識結果統合ステップと、
統合された認識結果をもとに、画面情報を生成する画面生成ステップと、
を有し、
前記物品認識ステップは、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識し、
前記認識結果統合ステップは、前記複数のX線画像の1つに、前記物品の第1の面を認識でき、前記複数のX線画像の他の1つに、前記物品の第2の面を認識できる場合に、前記物品を認識する、
X線画像処理方法。 - X線画像処理装置におけるX線画像処理方法であって、
物品を複数の方向から撮影した複数のX線画像を取得するX線画像取得ステップと、
前記複数のX線画像に対して、物品の第1の面を学習した学習モデルを用いて、物品を認識する物品認識ステップと、
前記複数のX線画像に対する認識結果を統合する認識結果統合ステップと、
統合された認識結果をもとに、画面情報を生成する画面生成ステップと、
を有し、
前記画面生成ステップは、前記複数のX線画像のうち、一部のX線画像に対してのみ危険物が認識されている場合、残りのX線画像の前記危険物に対応する部分に、危険物が含まれる可能性がある領域を示す表示を追加する、
X線画像処理方法。 - 請求項10に記載のX線画像処理方法であって、
前記物品認識ステップは、前記物品の第1の面を学習した学習モデルと、前記物品の第1の面とは異なる第2の面を学習した学習モデルとを用いて、物品を認識する、
X線画像処理方法。 - 請求項7ないし請求項11のいずれか1つに記載のX線画像処理方法であって、
前記複数のX線画像のサイズまたは表示位置を調整するキャリブレーションステップを有する、
X線画像処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020115632A JP7422023B2 (ja) | 2020-07-03 | 2020-07-03 | X線画像処理装置およびx線画像処理方法 |
CN202110137234.0A CN113960687A (zh) | 2020-07-03 | 2021-02-01 | X射线图像处理装置及x射线图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020115632A JP7422023B2 (ja) | 2020-07-03 | 2020-07-03 | X線画像処理装置およびx線画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022013217A JP2022013217A (ja) | 2022-01-18 |
JP7422023B2 true JP7422023B2 (ja) | 2024-01-25 |
Family
ID=79459397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020115632A Active JP7422023B2 (ja) | 2020-07-03 | 2020-07-03 | X線画像処理装置およびx線画像処理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7422023B2 (ja) |
CN (1) | CN113960687A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455956A (zh) * | 2023-12-22 | 2024-01-26 | 天津众合智控科技有限公司 | 一种基于ai技术的人包关联追踪方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050058242A1 (en) | 2003-09-15 | 2005-03-17 | Peschmann Kristian R. | Methods and systems for the rapid detection of concealed objects |
US20080014643A1 (en) | 2006-07-12 | 2008-01-17 | Paul Bjorkholm | Dual angle radiation scanning of objects |
JP2017509891A (ja) | 2014-12-17 | 2017-04-06 | 同方威視技術股▲分▼有限公司 | 連結式多視点物品検査システム及びその使用方法 |
JP2018112550A (ja) | 2017-01-12 | 2018-07-19 | 清華大学Tsinghua University | 検査機器および銃器検出方法 |
WO2018217738A1 (en) | 2017-05-22 | 2018-11-29 | L3 Security & Detection Systems, Inc. | Systems and methods for image processing |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05133909A (ja) * | 1991-11-15 | 1993-05-28 | Toshiba Corp | 散乱放射線検査装置 |
DE59203913D1 (de) * | 1992-07-20 | 1995-11-09 | Heimann Systems Gmbh & Co | Prüfanlage für Gegenstände. |
JP3435648B2 (ja) * | 1997-03-25 | 2003-08-11 | 株式会社日立メディコ | X線検査装置 |
CN101387610B (zh) * | 2008-10-14 | 2011-02-09 | 重庆大学 | 利用双源双能量直线式安检ct装置进行安全检测的方法 |
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*** |
CN104345350A (zh) * | 2013-07-23 | 2015-02-11 | 清华大学 | 人体安全检查方法和人体安全检查*** |
CN104165896B (zh) * | 2014-08-18 | 2017-03-22 | 公安部第一研究所 | 一种液态物品安全检查的方法与装置 |
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 |
CN108875805A (zh) * | 2018-05-31 | 2018-11-23 | 北京迈格斯智能科技有限公司 | 基于深度学习的利用检测识别一体化提高检测精度的方法 |
CN108802840B (zh) * | 2018-05-31 | 2020-01-24 | 北京迈格斯智能科技有限公司 | 基于人工智能深度学习的自动识别物体的方法及其装置 |
CN208902891U (zh) * | 2018-11-02 | 2019-05-24 | 北京中集博源机电设备有限公司 | 一种自适应物流输送线双视角智能安检装置 |
CN110133739B (zh) * | 2019-04-04 | 2021-07-27 | 南京全设智能科技有限公司 | 一种x射线安检设备及其自动识图方法 |
CN110133740A (zh) * | 2019-04-29 | 2019-08-16 | 公安部第一研究所 | 一种双视角智能化x射线安检设备 |
CN110850493A (zh) * | 2019-10-24 | 2020-02-28 | 武汉艾崴科技有限公司 | 一种扫描成像机器视觉判图的线阵列高速安检机 |
-
2020
- 2020-07-03 JP JP2020115632A patent/JP7422023B2/ja active Active
-
2021
- 2021-02-01 CN CN202110137234.0A patent/CN113960687A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050058242A1 (en) | 2003-09-15 | 2005-03-17 | Peschmann Kristian R. | Methods and systems for the rapid detection of concealed objects |
US20080014643A1 (en) | 2006-07-12 | 2008-01-17 | Paul Bjorkholm | Dual angle radiation scanning of objects |
JP2017509891A (ja) | 2014-12-17 | 2017-04-06 | 同方威視技術股▲分▼有限公司 | 連結式多視点物品検査システム及びその使用方法 |
JP2018112550A (ja) | 2017-01-12 | 2018-07-19 | 清華大学Tsinghua University | 検査機器および銃器検出方法 |
WO2018217738A1 (en) | 2017-05-22 | 2018-11-29 | L3 Security & Detection Systems, Inc. | Systems and methods for image processing |
Also Published As
Publication number | Publication date |
---|---|
JP2022013217A (ja) | 2022-01-18 |
CN113960687A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485268B (zh) | 一种图像识别方法及装置 | |
Rogers et al. | Automated x-ray image analysis for cargo security: Critical review and future promise | |
US9552521B2 (en) | Human body security inspection method and system | |
WO2015067208A1 (zh) | 检查方法和设备 | |
CA3109136A1 (en) | Systems and methods for image processing | |
CN106415325B (zh) | 对象中的物项探测 | |
USH2110H1 (en) | Automated security scanning process | |
CN108303747A (zh) | 检查设备和检测***的方法 | |
US10436932B2 (en) | Inspection systems for quarantine and methods thereof | |
EP3772722B1 (en) | X-ray image processing system and method, and program therefor | |
KR102387529B1 (ko) | 검사 장치 | |
WO2006011899A1 (en) | Security system for detecting nuclear masses | |
US8090150B2 (en) | Method and system for identifying a containment vessel | |
JP5591849B2 (ja) | 異物検査装置、異物検査プログラム、異物検査方法 | |
JP2018004363A (ja) | X線自動判定装置、x線自動判定方法 | |
JP7422023B2 (ja) | X線画像処理装置およびx線画像処理方法 | |
JP2016156647A (ja) | 電磁波を使用した検査装置 | |
JP7295568B2 (ja) | 検査装置及びプログラム | |
Frosio et al. | Optimized acquisition geometry for X-ray inspection | |
KR20210115695A (ko) | 딥러닝 기반의 화물 식별 모델을 이용한 화물 식별 장치 및 방법 | |
US11335083B2 (en) | Object identification device and object identification method | |
JP2023529644A (ja) | ニューラルネットワークをバルクフローにおけるオブジェクトを分類するように学習させる方法及びシステム | |
CN114170318A (zh) | 图像处理方法、装置、***、介质及电子设备 | |
CN112730468B (zh) | 物品检测设备及其检测物品的方法 | |
US11551432B1 (en) | System and method for training an artificial intelligence (AI) classifier of scanned items |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7422023 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |