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