基于改進ＹＯＬＯｖ８ 的Ｘ 光圖像違禁品檢測

摘 要：針對現有Ｘ 光圖像違禁品檢測精度低的問題，提出一種基于改進ＹＯＬＯｖ８ 的Ｘ 光圖像違禁品檢測算法。在ＹＯＬＯｖ８ 基礎上添加了一個小目標檢測頭，以增強對小目標物體敏感度，同時使用自適應空間特征融合（Ａｄａｐｔｉｖｅｌｙ ＳｐａｔｉａｌＦｅａｔｕｒｅ Ｆｕｓｉｏｎ，ＡＳＦＦ） 模塊自適應調整不同檢測層間的權重，避免多尺度層級之間的信息沖突。使用重參數化后的ＲＦＢ＿ Ｓ模塊替換ＹＯＬＯｖ８ 中的快速空間金字塔池化（Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ ＰｏｏｌｉｎｇＦａｓｔ，ＳＰＰＦ） 模塊，使用大小不同的卷積來獲取不同視野特征圖信息，避免多重最大池化可能帶來的梯度消失問題。在頸部網絡和主干網絡之間引入高效多尺度注意力（Ｅｆｆｉｃｉｅｎｔ Ｍｕｌｔｉｓｃａｌｅ Ａｔｔｅｎｔｉｏｎ，ＥＭＡ） 機制，有效區分背景區域和目標區域，加強關鍵信息的交互。使用可變形卷積替換Ｃ２ｆ 模塊中的普通卷積，利用可變形卷積自適應調整卷積核的形狀，更好地捕捉和感知圖像中不同尺度的目標特征。該算法在ＳＩＸａｒｙ 數據集上測試平均精確度均值（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ） 達到９２． ７％ ，比原始算法提高了３． ２％ 。實驗結果表明，改進后的算法比原始算法有了較大提升，證明了改進算法的有效性。

關鍵詞：目標檢測；注意力機制；ＹＯＬＯｖ８；可變形卷積；違禁品

中圖分類號：ＴＰ３９１． ４ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１０－２２８８－０８

０ 引言

目前行李包裹安全檢查主要依靠安檢人員觀察、分析Ｘ 光安檢機掃描得到的圖像，判斷行李中是否夾帶易燃易爆物、管制刀具等違禁品［１］。這樣的檢查機制存在著隱患，比如違禁品漏檢、錯檢［２］。相對而言，利用現代計算機技術對違禁品進行自動檢測，是一種更為客觀、穩定、高效的方法。