(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210670408.4 (22)申请日 2022.06.15 (65)同一申请的已公布的文献号 申请公布号 CN 114758259 A (43)申请公布日 2022.07.15 (73)专利权人 科大天工智能装备技 术 （天津） 有 限公司 地址 300308 天津市东 丽区华明 高新技术 产业区华丰路6号G座1号楼 专利权人 北京科技大 学 (72)发明人 张超　张波　万亚东　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 赵兴华 (51)Int.Cl. G06V 20/20(2022.01)G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 107607562 A,2018.01.19 CN 109978827 A,2019.07.0 5 CN 109902643 A,2019.0 6.18 CN 112712093 A,2021.04.27 审查员 孙巍巍 (54)发明名称 一种基于X光物体图像识别的包裹检测方法 及系统 (57)摘要 本发明涉及一种基于X光物体图像识别的包 裹检测方法及系统， 涉及物品检测领域， 该方法 包括： 获取待检测包裹的X光图像； 基于胡矩的轮 廓匹配对X光图像进行物品检测， 获得检测结果； 检测结果为确定X光图像中物品是物品库中物 品、 确定X光图像中物品不是物品库中物品或者X 光图像中物品疑似物品库中物品； 当检测结果为 X光图像中物品疑似物品库中物品时， 采用YOLO   V4模型对X光图像进行物品识别。 本发明保证检 测精度的同时提高了 检测效率。 权利要求书2页 说明书8页 附图3页 CN 114758259 B 2022.09.06 CN 114758259 B 1.一种基于X光物体图像识别的包裹检测方法， 其特 征在于， 包括： 获取待检测包裹的X光图像； 基于胡矩的轮廓匹配对所述X光图像进行物品检测， 获得检测结果； 所述检测结果为确 定所述X光图像中物品是物品库中物品、 确定所述X光图像中物品不是所述物品库中物品或 者所述X光图像中物品疑似所述物品库中物品； 当所述检测结果为所述X光图像中物品疑似所述物品库中物品时， 采用YOLO  V4模型对 所述X光图像进行物品识别； 所述基于胡矩的轮廓匹配对所述X光图像进行物品检测， 获得检测结果， 具体包括： 将所述X光图像转换为灰度图； 采用最大类间阈值法将所述灰度图转换为 二值化图像； 提取所述二值化图像中所有 多边形轮廓区域； 依次对每 个多边形轮廓区域进行物品检测， 当检测到第k个多边形轮廓区域时： 统计第k个多边形轮廓区域内的像素总数； 计算所述像素总数与所述物品库中各物体的像素 数的面积相对差； 获取面积相对差小于20%对应的所述物品库中物体的胡矩特 征， 记为第一胡矩特 征； 统计第k个多边形轮廓区域对应灰度图的胡矩特 征， 记为第二胡矩特 征； 计算所述第一胡矩特 征与所述第二胡矩特 征的余弦相似度； 若所述余弦相似度超过90%， 则所述检测结果为确定所述X光图像 中物品是物品库中物 品； 若所述余弦相 似度小于60%， 则所述检测结果为确定所述X光图像中物品不是物品库中 物品； 若所述余弦相似度大于或等于60%且小于或等于90%， 则所述X光图像中物品疑似 所述 物品库中物品。 2.根据权利要求1所述的基于X光物体图像识别的包裹检测方法， 其特征在于， 所述 YOLO V4模型为通过数据集训练好的Y OLO V4模型； 所述数据集中样 本图像为通过安检机搭 载的X光图像采集系统采集的图像， 所述样本图像的标签为使用BBoxLabelTool软件对 所述 样本图像中预设物品标注的矩形框； 所述预设物品为物品库中物品。 3.根据权利要求1所述的基于X光物体图像识别的包裹检测方法， 其特征在于， 当所述 检测结果为所述X光图像中物品疑似所述物品库中物品时， 采用YOLO  V4模型对所述X光图 像进行物品识别， 具体包括： 将所述X光图像的尺寸转换为416*416， 并将尺寸转换后的图像中各像素点的RBG值归 一化到0到1； 将归一化后的图像输入所述YOLO  V4模型， 输出多个检测框， 将多个检测框中置信度超 过置信度阈值的检测框作为检测结果。 4.一种基于X光物体图像识别的包裹检测系统， 其特 征在于， 包括： X光图像获取模块， 用于获取待检测包裹的X光图像； 基于胡矩 的轮廓匹配的物品检测模块， 用于基于胡矩的轮廓匹配对所述X光图像进行 物品检测， 获得检测结果； 所述检测结果为确定所述X光图像中物品是物品库中物品、 确定 所述X光图像中物品不是所述物品库中物品或者所述X光图像中物品疑似所述物品库中物 品； YOLO V4模型检测模块， 用于当所述检测结果为所述X光图像 中物品疑似所述物品库中权　利　要　求　书 1/2 页 2 CN 114758259 B 2物品时， 采用YOLO  V4模型对所述X光图像进行物品识别； 基于胡矩的轮廓匹配的物品检测模块， 具体包括： 灰度图转换 单元， 用于将所述X光图像转换为灰度图； 二值化图像转换 单元， 用于采用最大类间阈值法将所述灰度图转换为 二值化图像； 多边形轮廓区域 提取单元， 用于提取 所述二值化图像中所有 多边形轮廓区域； 物品检测单元， 用于依次对每个多边形轮廓区域进行物品检测， 当检测到第 k个多边形 轮廓区域时： 统计第k个多边形轮廓区域内的像素总数； 计算所述像素总数与所述物品库中各物体的像素 数的面积相对差； 获取面积相对差小于20%对应的所述物品库中物体的胡矩特 征， 记为第一胡矩特 征； 统计第k个多边形轮廓区域对应灰度图的胡矩特 征， 记为第二胡矩特 征； 计算所述第一胡矩特 征与所述第二胡矩特 征的余弦相似度； 若所述余弦相似度超过90%， 则所述检测结果为确定所述X光图像 中物品是物品库中物 品； 若所述余弦相 似度小于60%， 则所述检测结果为确定所述X光图像中物品不是物品库中 物品； 若所述余弦相似度大于或等于60%且小于或等于90%， 则所述X光图像中物品疑似 所述 物品库中物品。 5.根据权利要求4所述的基于X光物体图像识别的包裹检测系统， 其特征在于， 所述 YOLO V4模型为通过数据集训练好的Y OLO V4模型； 所述数据集中样 本图像为通过安检机搭 载的X光图像采集系统采集的图像， 所述样本图像的标签为使用BBoxLabelTool软件对 所述 样本图像中预设物品标注的矩形框； 所述预设物品为物品库中物品。 6.根据权利要求4所述的基于X光物体图像识别的包裹检测系统， 其特征在于， 所述 YOLO V4模型检测模块， 具体包括： 图像预处理单元， 用于将所述X光图像的尺寸转换为416*416， 并将尺寸转换后的图像 中各像素点的RBG值归一 化到0到1； YOLO V4模型检测单元， 用于将归一化后的图像输入所述YOLO  V4模型， 输出多个检测 框， 将多个 检测框中置信度超过置信度阈值的检测框作为检测结果。权　利　要　求　书 2/2 页 3 CN 114758259 B 3