(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211382655.0
(22)申请日 2022.11.07
(71)申请人 安徽启新明智科技有限公司
地址 230000 安徽省合肥市高新区望江西
路800号创新产业园二期F2栋9 楼南面
(72)发明人 吴勇敢 孟令超
(74)专利代理 机构 北京清亦华知识产权代理事
务所(普通 合伙) 11201
专利代理师 雷玉龙
(51)Int.Cl.
G01N 23/04(2018.01)
G01V 5/00(2006.01)
G06N 3/08(2006.01)
(54)发明名称
汽油与水区分 网络的训练方法、 汽油与水区
分方法
(57)摘要
本发明公开了一种汽油与水区分网络的训
练方法、 汽油与水区分方法。 其中, 区分网络用于
X射线安检机系统, 系统包括X射线发射器和高、
低能探测器, 汽油与水区分网络的训练方法包
括: 在系统空载时, 控制探测器对X射线进行N次
采集, 在系统带负载时, 控制探测器对X射线进行
采集, 得到N个第一高、 低能采样和M个与负载对
应的第二高、 低能采样值, M、 N为大于1的整数; 对
M个第二高能采样值进行补偿, 并根据第一高、 低
能采样值、 补偿后的第二高能采样值和第二低能
采样值, 得到负载的属性值; 对应每个负载添加
标签; 构建检测子网络, 并将补偿后的第二高能
采样值、 第二低能采样值、 属性值和标签作为训
练样本对网络进行训练。
权利要求书3页 说明书10页 附图6页
CN 115420761 A
2022.12.02
CN 115420761 A
1.一种汽油 与水区分网络的训练方法, 其特征在于, 所述汽油 与水区分网络用于X射线
安检机系统, 所述X射线安检机系统包括X射线发射器和X射线探测 器, 所述X射线探测 器包
括高能探测器和低能探测器, 所述方法包括:
在所述X射线安检机系统空载时, 控制所述X射线发射器发射X射线, 并分别控制所述高
能探测器和所述低能探测器对所述X射线进 行N次采集, 得到N个第一高能采样值和N个第一
低能采样值, 其中, N 为大于1的整数;
在所述X射线安检机系统带负载时, 控制所述X射线发射器发射X射线, 并分别 控制所述
高能探测 器和所述低能探测 器对所述X射线进行采集, 得到M个第二高能采样值和M个第二
低能采样值, 其中, M为大于1的整 数, 每对所述第二高能采样值和所述第二低能采样值对应
一个负载;
对所述M个第二高能采样值进行补偿, 并根据所述N个第一高能采样值、 所述N个第一低
能采样值、 M个补偿后的第二高能采样值和所述M个第二低能采样值, 得到M个所述负载的属
性值, 以及对应 每个负载添加标签;
构建所述汽油与水区分网络, 并将所述M个补偿后的第二高能采样值、 所述M个第二低
能采样值、 M个属性 值和M个标签作为训练样本, 对所述汽油与水区分网络进行训练。
2.根据权利要求1所述的汽油与水区分网络的训练方法, 其特征在于, 所述根据所述N
个第一高能采样值、 所述N个第一低能采样值、 M个补偿后的第二高能采样值和所述M个第二
低能采样值, 得到 M个所述负载的属性 值, 包括:
对所述N个第 一高能采样值和所述N个第一低能采样值取均值, 得到第 一高能满度均值
和第一低能满度均值;
对所述第一高能满度均值进行补偿;
根据补偿后的第 一高能满度均值、 所述第一低能满度均值、 M个补偿后的第 二高能采样
值和所述M个第二低能采样值, 得到 M个所述负载的属性 值。
3.根据权利要求2所述的汽油 与水区分网络的训练方法, 其特征在于, 对应所述高能探
测器设有滤波铜片,
根据下式得到所述补偿后的第一高能满度均值:
,
根据下式得到所述补偿后的第二高能采样值:
,
其中, Ihf1为所述补偿后的第一 高能满度均值, Ihf为所述第一高能满度均 值, I0为X射线
管发射的X射线的能量初始值, Ihy1为所述补偿后的第二高能采样值, Ihy为所述第二高能采
样值, ucu(v)为铜衰减系数关于发射能级v的函数, t为铜厚度, h1为所述滤波铜片的厚度。
4.根据权利要求2所述的汽油 与水区分网络的训练方法, 其特征在于, 根据下式得到所
述属性值:
,权 利 要 求 书 1/3 页
2
CN 115420761 A
2其中, Iout为所述属性值,
, IR为R属性通道值, Ihf1为所述补偿后的第一高
能满度均值, Ihy1为所述补偿后的第二高能采样值, Ilf为所述第一低能满度均值, Ily为所述
第二低能采样值。
5.根据权利要求1所述的汽油与水区分网络的训练方法, 其特征在于, 所述M个补偿后
的第二高能采样值、 所述M个第二低能采样值和M个属性 值组成三 通道的训练样本 。
6.根据权利要求1所述的汽油 与水区分网络的训练方法, 其特征在于, 所述汽油 与水区
分网络包括:
共享子网络, 用于对所述训练样本进行 特征提取和池化操作, 得到样本矩阵;
分割子网络, 与所述共享子网络连接, 用于根据所述样本矩阵对相应负载进行位置分
割;
检测子网络, 与所述共享子网络连接, 用于根据 所述样本矩阵对相应负载进行检测, 以
得到负载类别。
7.根据权利要求6所述的汽油 与水区分网络的训练方法, 其特征在于, 根据下式得到所
述分割子网络的损失函数:
,
其中, loss(segment)为所述分割子网络的损失函数, β 为一个自定义超参, 范围为0~1,
Di为某个样本标注真实标签为真的期望概 率, p为某个样本标注真实标签为真的预测概 率。
8.根据权利要求7所述的汽油 与水区分网络的训练方法, 其特征在于, 根据下式得到所
述检测子网络的损失函数:
,
其中, loss(detect)为所述检测子网络的损失函数, Di为某个样本 标注真实标签为真的
期望概率, p为某个样本标注真实标签为真的预测概 率。
9.根据权利要求1所述的汽油与水区分网络的训练方法, 其特征在于, 所述X射线安检
机系统, 还 包括:
智能提醒子系统, 用于在检测到汽油时, 根据下式对显示图像中的汽油区域进行颜色
转换处理:
,
,
,
其中, Hue1为颜色转换后的待转换区域的色相, Saturation1为颜色转换后的所述待转
换区域的饱和 度, Value1为颜色转换后的所述待转换区域的明度, HRED0为红色色相最低值,
HRED1为红色色相最高值, Zeff0为等效原子序数最低值, Zeff1为等效原子序数最高值, Zeff为汽
油的有效原子序数, Gh为高能X射线图像的灰度值, G1为低能X射线图像的灰度值, S0为所述
待转换区域在进行颜色转换之前的初始饱和度值, V0为所述待转换区域在进行颜色转换之
前的初始明度值; 所述待转换区域为根据所述汽油区域得到的区域, 所述高能X射线图像为权 利 要 求 书 2/3 页
3
CN 115420761 A
3
专利 汽油与水区分网络的训练方法、汽油与水区分方法
文档预览
中文文档
20 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共20页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:24:44上传分享