一种快递违禁物品识别方法及安检系统与流程

本申请涉及图像识别技术领域，尤其涉及一种快递违禁物品识别方法及安检系统。

背景技术：

目前在快递行业，待检测物品通过安检机时都是通过人工来识别其是否违禁物品，安检员需要不停的看着安检机通过经验判断出是否是违禁品，然后进行拆包验视。不仅效率低下，而且对安检员经验要求较高。

现有技术中，还有将图像识别算法应用于安检机的技术，但是其获取样本数据的来源与样本种类不适用于快递行业。

技术实现要素：

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种快递违禁物品识别方法及安检系统。

本申请的方案如下：

根据本申请实施例的第一方面，提供一种快递违禁物品识别方法，包括：

获取待检测快递物品的待识别信息；

获取预先建立的识别模型，基于所述识别模型，根据所述待识别信息得到所述待检测快递物品的识别结果，所述识别结果为：所述待检测快递物品为违禁物品，或者，非违禁物品。

优选的，在本申请的一种可实现的方式中，还包括：

获取训练数据，所述训练数据包括：已预先获知为违禁物品的快递物品的识别信息，以及标注为违禁物品的识别结果；

对所述训练数据进行训练，得到识别模型。

优选的，在本申请的一种可实现的方式中，所述识别信息包括：违禁物品的多个角度的照片。

优选的，在本申请的一种可实现的方式中，所述已预先获知为违禁物品的快递物品内包含一个或多个所述违禁物品。

优选的，在本申请的一种可实现的方式中，所述违禁物品为多个时，所述多个违禁物品属于同一个分类或多个分类。

优选的，在本申请的一种可实现的方式中，所述识别模型为多个，每个所述识别模型对应一种发货方式，所述获取预先建立的识别模型，包括：

确定所述待检测快递物品的发货方式，在多个所述识别模型中，获取与所述发货方式对应的识别模型。

优选的，在本申请的一种可实现的方式中，所述发货方式包括：空运和陆运。

优选的，在本申请的一种可实现的方式中，在所述识别结果为所述待检测快递物品为违禁物品时，所述方法还包括如下项中的至少一项：

安检机报警；

安检机触发安检机上安装的摆臂摆出所述违禁物品；

安检机触发中心自动分拣机在自动分拣时，将所述违禁物品自动分拣到违禁品的下料口。

根据本申请实施例的第二方面，提供一种安检系统，其特征在于，包括：

安检机；

所述安检机，包括：

存储器，用于存储程序，所述程序至少用于执行权利要求1～8任一项所述的快递违禁物品识别方法。

处理器,用于调用并执行所述存储器中存储的程序。

优选的，在本申请的一种可实现的方式中，还包括如下项中的至少一项：

设置在所述安检机上的报警装置，用于在接收到所述安检机的控制信号时，进行报警；

设置在所述安检机上的摆臂，用于在接收到所述安检机的控制信号时，摆出所述违禁物品；

设置在所述安检机上的自动分拣系统，用于在所述接收到安检机的控制信号时，将所述违禁物品自动分拣到违禁品的下料口；

其中，所述控制信号为所述安检机在所述识别结果为所述待检测快递物品为违禁物品时触发的。

本申请提供的技术方案可以包括以下有益效果：

获取待检测快递物品的待识别信息，将待检测快递物品的待识别信息输入预先建立的识别模型，基于识别模型，得到待检测快递物品的识别结果，识别结果为：待检测快递物品为违禁物品，或者，非违禁物品。通过预先建立的识别模型对快递物品进行检测，并自动识别出是否违禁物品，无需人工进行安检，不仅节省了人力，而且解决了人工安检效率低下，对安检员经验要求较高的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请一个实施例提供的一种快递违禁物品识别方法的流程图；

图2是本申请一个实施例提供的一种快递违禁物品识别方法中的识别模型的训练方法的流程图；

图3是本申请又一个实施例提供的一种快递违禁物品识别方法的流程图；

图4是本申请一个实施例提供的一种安检机的结构图；

图5是本申请又一个实施例提供的一种安检机的结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1是本申请一个实施例提供的一种快递违禁物品识别方法的流程图。参照图1，一种快递违禁物品识别方法，包括：

s11：获取待检测快递物品的待识别信息；

s12：获取预先建立的识别模型，基于识别模型，根据待识别信息得到待检测快递物品的识别结果，识别结果为：待检测快递物品为违禁物品，或者，非违禁物品。

对快递物品进行安检需要将待检测的快递物品置于安检机的x射线检查通道33上，安检机通过x射线对待检测的快递物品进行透视扫描，并获得待检测物品的透视图像，即获取待检测快递物品的待识别信息。

安检机对待检测物品进行透视并生成图像的过程中，对等效原子序数小于10的有机物赋予橙色，对等效原子序数大于18的无机物赋予蓝色，对介于两类材料之间的物质或这两类材料的混合物赋予绿色。

以公安部第一研究所cmex系列x射线机为例，不同颜色代表的含义为：

1.黑色——非常厚、x射线穿不透的物体；

2.橙色——有机物，即原子序数小于10的物质；

3.绿色——混合物，即有机物与无机物的重叠部分；

4.蓝色——无机物，即原子序数大于10的物质。

有机物：通常常共有的元素为氢、碳、氮、和氧。不管化学链如何，只要某物质的主要构成是这一组的任何元素，它就被显示为有机物的颜色橙色或黄色。如：炸药、药物、塑料、纸、布、木材、液体。

无机物：显示为蓝色，密度小的无机物呈浅蓝色，密度较大的机物呈深蓝色。如大多数的金属、铁、铜、锌、镍、钢、等。

混合物：显示为绿色，有机物和无机物重叠，若混合物的主要成份为有机物，则图像呈淡绿色，反之则呈绿色。

图2是本申请一个实施例提供的一种快递违禁物品识别方法中的识别模型的训练方法的流程图，参照图2，识别模型的训练方法为：

s21：获取训练数据，训练数据包括：已预先获知为违禁物品的快递物品的识别信息，以及标注为违禁物品的识别结果；

s22：对训练数据进行训练，得到识别模型。

本实施例中的违禁物品仅代表快递物品中的违禁物品，仅应用于快递行业。

识别信息包括：违禁物品的多个角度的照片。

优选的，通过图像识别算法训练识别模型。

本实施例中采用的图像识别算法包括以下几种：

1)整体判读法：由中间到四周整幅图像进行判读。观察图像的每个细节，判读图像中的物品是否相联系，有无电源、导线、定时装置、起爆装置和可疑物品。

2)颜色分析法：即根据x射线机对物质颜色的定义，通过图像呈现的颜色来判断物体的性质。

3)形状分析法：即通过图像中物体的轮廓判断物体。有些物品虽然x射线穿不透，如轮廓清晰，可直接判断其性质。

4)联想分析法：通过图像中一个可判明的物体来推断另一个物体。

本实施例中的识别信息包括违禁物品的多个角度的照片，在采集识别信息时，将违禁物品通过安检机的x射线检查通道33，获得违禁物品多个角度的x射线成像的图片。优选的，可以对违禁物品进行3个面共24个角度的x射线照射，并获得违禁物品3个面共24个角度的x射线成像图片。

24个角度详情：

(1)正面：东、南、西、北、东南、东北、西北、西南

(2)侧面：东、南、西、北、东南、东北、西北、西南

(3)上面：东、南、西、北、东南、东北、西北、西南

已预先获知为违禁物品的快递物品内包含一个或多个违禁物品。

识别模型的训练数据根据需要可对单个违禁品的识别信息进行训练识别，也可对多个违禁物品的识别信息进行训练识别。

当违禁物品为单个时，由于每类违禁物品包括多种型号，每种型号的形状、大小等各不相同，所以需要采集已知的每类违禁物品下各种型号的违禁物品的识别信息，分别进行训练。

当违禁物品为多个时，多个违禁物品属于同一个分类或多个分类。

多个违禁物品属于同一个分类：选择同一分类下的不同型号的违禁物品放置在一起采集识别信息。

多个违禁物品属于多个分类：选择不同分类下的违禁物品放置在一起采集识别信息。

通过上述过程对违禁物品的识别信息进行采集，将采集到的所有识别信息标注为违禁物品。得到的训练数据基本囊括了各类违禁快递物品中的已知型号的识别信息，以及不同种类的违禁快递物品组合的识别信息。将大量的训练数据通过上述的图像识别算法进行训练，得到识别模型。

由于训练数据的来源基本囊括了各类违禁快递物品中的已知型号的识别信息，以及不同种类的违禁快递物品组合的识别信息。训练模型识别待检测快递物品的待识别信息更加准确，不容易出现遗漏。

优选的，在每类违禁快递物品出现新的型号时，采集该最新型号的违禁快递物品的识别信息，标注为违禁物品，作为训练数据重新对训练模型进行训练。

因为快递物品的发货方式具有多种，不同发货方式中的违禁物品的种类不同，所以需要针对不同发货方式训练对应识别模型。

本实施例中，识别模型为多个，每个识别模型对应一种发货方式，获取预先建立的识别模型，包括：

确定待检测快递物品的发货方式，在多个识别模型中，获取与发货方式对应的识别模型。

发货方式包括：空运和陆运。

在确定待检测快递物品的发货方式后，根据不同的发货方式对应的违禁物品种类，对违禁物品的识别信息进行采集，获取训练数据，训练与该发货方式对应的识别模型。

如空运中的违禁物品的识别模型应用于空运快递物品的检测。

通过获取待检测快递物品的待识别信息，将待检测快递物品的待识别信息输入预先建立的识别模型，基于识别模型，得到待检测快递物品的识别结果。通过识别模型对快递物品进行检测，并自动识别出是否违禁物品，无需人工进行安检，不仅节省了人力，而且解决了人工安检效率低下，对安检员经验要求较高的问题。

图3是本申请又一个实施例提供的一种快递违禁物品识别方法的流程图，参照图3，一些实施例中的快递违禁物品识别方法，在识别结果为待检测快递物品为违禁物品时，还包括如下项中的至少一项：

s131：安检机报警；

s132：安检机触发安检机上安装的摆臂4摆出违禁物品；

s133：安检机触发中心自动分拣机在自动分拣时，将违禁物品自动分拣到违禁品的下料口。

若采取安检机报警的方式，现场工作人员可以手动取出违禁物品。

若采取安检机触发安检机上安装的摆臂4摆出违禁物品的方式，需在安检机的传送带34一侧设置摆臂4，在该违禁物品在x射线检查通道33上进行检测后，识别结果为违禁物品时，安检机控制摆臂4摆出违禁物品。

若采取安检机触发中心自动分拣机在自动分拣时，将违禁物品自动分拣到违禁品的下料口的方式，需在中心自动分拣机上设置一个违禁品异常口，在安检机触发中心自动分拣机在自动分拣时，将违禁物品自动分拣到违禁品异常口。

摆臂4与自动分拣机均为现有技术，此处不再赘述其实现方式。

本实施例中，在识别结果为待检测快递物品为违禁物品时通过如上处理方式对违禁物品进行处理。在采取安检机触发安检机上安装的摆臂4摆出违禁物品，或，安检机触发中心自动分拣机在自动分拣时，将违禁物品自动分拣到违禁品的下料口方式时，无需工作人员手动对违禁物品进行处理，节省了人力。

图4是本申请一个实施例提供的一种安检系统的结构图，参照图4，一种安检系统，其特征在于，包括：

安检机；

安检机，包括：

存储器，用于存储程序，程序至少用于执行权利要求1～8任一项的快递违禁物品识别方法。

处理器,用于调用并执行存储器中存储的程序。

优选的，一些实施例中的安检系统，还包括如下项中的至少一项：

设置在安检机上的报警装置，用于在接收到安检机的控制信号时，进行报警；

参照图5，设置在安检机上的摆臂4，用于在接收到安检机的控制信号时，摆出违禁物品；

设置在安检机上的自动分拣系统，用于在接收到安检机的控制信号时，将违禁物品自动分拣到违禁品的下料口；

其中，控制信号为安检机在识别结果为待检测快递物品为违禁物品时触发的。

报警装置、摆臂4和自动分拣系统均与安检机处理器连接，处理器在识别结果为待检测快递物品为违禁物品时，向报警装置、摆臂4和自动分拣系统发送控制信号，报警装置、摆臂4和自动分拣系统执行对应的操作。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。