技术特征：
技术总结
本发明公开了一种基于FPGA和深度学习的毫米波成像危险物品检测方法，获取毫米波成像图片，标识出图片中的危险物品；构建检测危险物品的深度学习网络模型，利用标注好的毫米波成像图片进行模型训练，得到训练好的检测模型；将训练好的检测模型加载到FPGA平台的检测系统中；使用FPGA检测待测的毫米波图像；利用训练好的检测模型对采集的待测的毫米波图像进行检测；如果待测的图像中含有危险物品，则标记危险物品类别，进行报警，同时标记危险物品的不规则轮廓位置坐标。基于FPGA平台利用Mask R‑CNN物体检测框架训练出来的深度神经网络模型进行实时异物检测；相对于专用集成电路芯片有更好的功能可定制性优势。
技术研发人员：刘晓光;余开;张月皓
受保护的技术使用者：博微太赫兹信息科技有限公司
技术研发日：2018.11.01
技术公布日：2019.03.08