基于人工智能的集装箱病媒生物检测预警方法与流程

本发明涉及图像数据处理，具体涉及一种基于人工智能的集装箱病媒生物检测预警方法。

背景技术：

1、由于全球贸易的蓬勃发展，集装箱成为了货物运输的重要方式，一些昆虫、啮齿动物或其他生物可能会滞留在集装箱内，它们可能携带病原体，如疟原虫、登革热病毒、鼠疫细菌等，并有潜在传播给人类或动物的风险。所以为了减少这些疾病传播的风险，需要对集装箱进行病媒生物检测。目前对集装箱病媒生物检测一般采用的是x射线扫描法，利用x射线或伽马射线等辐射技术，对集装箱内部进行成像扫描，从而检测到集装箱内部物体的密度和形状，以便发现隐蔽的生物。进一步根据集装箱的x射线扫描图像进行图像分割，根据图像分割结果进行特征提取，以检测出可能存在的病媒生物。

2、而grabcut算法由于分割速度快、分割效果好以及使用方便等特点，在图像分割领域使用较为广泛。但是grabcut算法的图像分割效果极易受到平滑参数的影响，尤其是处理较为细长或狭窄的边缘的情况。较大的平滑参数能够使得分割结果更加平滑，但是会导致过度平滑而丧失图像细节信息；而较小的平滑参数会降低平滑性，从而保留更多的细节信息，但是会导致分割边界不够连续。而现有技术通常将平滑参数作为先验信息输入到grabcut算法中，从而使得在对不同的x射线扫描图像进行图像分割时，对应的鲁棒性较差，并且由于集装箱中物品堆叠以及噪声，导致出现无关细小边缘，降低后续图像分割效果，从而使得对集装箱病媒生物检测的准确性较差。因此现有技术通过grabcut算法对集装箱的x射线扫描图像进行图像分割方法对集装箱病媒生物检测的准确性较差。

技术实现思路

1、为了解决现有技术通过grabcut算法对集装箱的x射线扫描图像进行图像分割方法对集装箱病媒生物检测的准确性较差的技术问题，本发明的目的在于提供一种基于人工智能的集装箱病媒生物检测预警方法，所采用的技术方案具体如下：

2、本发明提出了基于人工智能的集装箱病媒生物检测预警方法，所述方法包括：

3、获取集装箱的x射线扫描图像；获取所述x射线扫描图像对应的上采样图像和下采样图像；

4、根据下采样图像中像素点的灰度梯度分布情况和灰度值分布情况，得到对应的x射线扫描图像的前景区域；根据前景区域中像素点的局部灰度分布差异，得到前景区域中的各个连续纹理区域；根据连续纹理区域中每个像素点在所述上采样图像与所述下采样图像之间在空间位置以及灰度梯度上的差异，得到连续纹理区域中每个像素点对应的尺度特征差异；根据所述尺度特征差异和连续纹理区域中的像素点数量，得到每个连续纹理区域对应的边缘置信度；

5、根据各个连续纹理区域的整体灰度差异和边缘置信度，得到x射线扫描图像的平滑参数；根据所述平滑参数对x射线扫描图像进行grabcut图像分割，得到x射线扫描图像的自适应图像分割结果；

6、根据所述自适应图像分割结果进行集装箱病媒生物检测预警。

7、进一步地，所述x射线扫描图像的前景区域的获取方法包括：

8、计算所述下采样图像中所有像素点的灰度值均值，将每个像素点的灰度值与所述灰度值均值之间的差值，作为每个像素点的第一参考判定值；

9、获取下采样图像中各个像素点的灰度梯度值；计算每个像素点预设第一邻域范围内所有像素点的灰度梯度值均值，将每个像素点的灰度梯度值与对应灰度梯度值均值之间的差值，作为每个像素点的第二参考判定值；

10、在所述下采样图像中，将满足第一参考判定值小于或等于0且第二参考判定值大于0的像素点作为前景像素点；将下采样图像中所有前景像素点对应的区域作为下采样图像对应的前景区域；将下采样图像对应的前景区域映射到x射线扫描图像中，得到x射线扫描图像的前景区域。

11、进一步地，所述连续纹理区域的获取方法包括：

12、在前景区域中任选一个像素点作为目标纹理像素点；在x射线扫描图像中，将所述目标纹理像素点作为生长点进行区域生长，在生长点预设第二邻域范围内对应灰度值满足预设生长条件的像素点作为新的生长点进行区域生长，直至所有的新的生长点的预设第二邻域范围内的所有像素点的灰度值均不满足预设生长条件时停止区域生长，得到对应的连续纹理区域；所述预设生长条件包括：与对应生长点灰度值之间的差异的负相关映射值大于预设生长阈值。

13、进一步地，所述尺度特征差异的获取方法包括：

14、将任意一个连续纹理区域中的任意一个像素点作为目标像素点；

15、将上采样图像和下采样图像置于同一坐标系下，在所述坐标系中，将目标像素点映射到下采样图像后的坐标点作为下采样坐标点，将目标像素点映射到上采样图像后的坐标点作为上采样坐标点；将所述上采样坐标点和所述下采样坐标点之间的距离，作为目标像素点对应的空间位置差异特征值；

16、获取所述上采样图像和所述下采样图像中所有像素点的灰度梯度值，将目标像素点映射到上采样图像后对应的灰度梯度值作为上采样灰度梯度值；将目标像素点映射到下采样图像后对应的灰度梯度值作为下采样灰度梯度值；将所述上采样灰度梯度值与所述下采样灰度梯度值之间的差异，作为目标像素点对应的灰度梯度差异特征值；

17、根据所述空间位置差异特征值和所述灰度梯度差异特征值，得到目标像素点对应的尺度特征差异，所述空间位置差异特征值与所述尺度特征差异呈负相关，所述灰度梯度差异特征值与所述尺度特征差异呈负相关。

18、进一步地，所述边缘置信度的获取方法包括：

19、对于任意一个连续纹理区域：

20、将连续纹理区域中的像素点数量与每个像素点的尺度特征差异的乘积，作为连续纹理区域中每个像素点对应的边缘尺度特征值；将连续纹理区域中所有像素点的边缘尺度特征值累加，得到连续纹理区域对应的边缘置信度。

21、进一步地，所述平滑参数的获取方法包括：

22、将每个连续纹理区域中像素点的灰度值均值，作为每个连续纹理区域的灰度特征值；将所有连续纹理区域的灰度特征值的方差，作为x射线扫描图像的对比度；

23、将对应边缘置信度大于预设置信度阈值的连续纹理区域，作为参考纹理区域；将所有参考纹理区域对应的边缘置信度的归一化后的值的累加值，作为x射线扫描图像的纹理丰富度；

24、将所述对比度和所述纹理丰富度的乘积，作为x射线扫描图像的平滑参数。

25、进一步地，所述自适应图像分割结果的获取方法包括：

26、将所述平滑参数作为grabcut算法中的lambda参数对x射线扫描图像进行图像分割，得到x射线扫描图像的自适应图像分割结果。

27、进一步地，所述根据所述自适应图像分割结果进行集装箱病媒生物检测预警包括：

28、获取所述自适应图像分割结果中的图像分割区域，将所述图像分割区域输入到训练好的卷积神经网络中，输出集装箱病媒生物检测结果；当集装箱病媒生物检测结果中存在病媒生物时，发出预警；当集装箱病媒生物检测结果中不存在病媒生物时，不发出预警。

29、进一步地，所述获取所述x射线扫描图像对应的上采样图像和下采样图像包括：

30、将所述x射线扫描图像通过金字塔下采样得到的预设采样层数个图像中分辨率最低的图像，作为下采样图像；

31、将所述x射线扫描图像通过金字塔上采样得到的预设采样层数个图像中分辨率最高的图像，作为上采样图像。

32、本发明具有如下有益效果：

33、考虑到grabcut算法需要将图像中的前景对象从背景中分离出来，所以需要获取x射线扫描图像对应的前景对象，为了减少由于集装箱中物品堆叠导致x射线扫描图像产生的无关细小边缘对后续前景对象的获取产生影响，本发明通过获取x射线扫描图像的下采样图像，并结合下采样图像中灰度梯度信息以及灰度信息，得到对应的前景区域，从而达成减少无关细小边缘对后续图像分割的影响，提高图像分割的准确度。考虑到在不同尺度的采样图像下，细小的纹理会发生形态变化，本发明通过连续纹理区域中像素点在上采样图像和下采样图像之间对应空间和灰度梯度上的差异，并结合细小纹理区域的像素点数量特征对应的连续纹理区域中像素点数量，得到表征每个连续纹理区域的边缘置信度，进一步根据边缘置信度和表征连续纹理区域的灰度丰富程度的整体灰度差异，自适应得到用于图像分割的平滑参数，使得根据平滑参数对x射线扫描图像进行grabcut图像分割得到的自适应图像分割的分割效果更好，对集装箱病媒生物检测更加准确。综上所述，本发明通过得到自适应得到的平滑参数对集装箱的x射线扫描图像进行grabcut图像分割方法对集装箱病媒生物检测更加准确。