针对检疫物的CT图像着色和自动识别方法研究

• 作者: 刘扬东 李栋 王璐
• 来源期刊: 自动化与信息工程
• 关键词: 深度学习 图像着色 图像自动识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息技术
• 页码范围: 20-24
• 页数: 5页
• 字数: 3031字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2605.2019.02.005

摘要

针对CT检疫设备在识别检疫物时出现误报、漏报等问题,提出一种基于深度学习的CT图像着色和自动识别方法.通过采集检疫物的名称、形态和数量等属性,建立检疫物和安全品数据库;重建CT图像的密度、等效原子序数等三维形状特征;提取三维物体特征的3个归一化正交截面,作为深度学习网络的输入,使用多输入的卷积神经网络进行三维物体识别.同时,对金属、轻薄物、种子和水果等检疫物进行CT图像着色方法的改进,提高了检疫物的显示效果.在Python平台进行深度学习网络训练,结果表明,CT检疫设备检出准确率提高了约20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王璐		2	20	1.0	2.0
2	刘扬东	中华人民共和国广州白云机场海关	2	2	1.0	1.0
3	李栋		1	1	1.0	1.0