基于改进YOLOv5s的X光图像危险品检测

作者：张康佳; 张鹏伟^*; 陈景霞; 龙闵翔; 林文涛

来源：陕西科技大学学报, 2023, 41(06): 176-200.

DOI：10.19481/j.cnki.issn2096-398x.2023.06.006

• X光图像
• 危险品检测
• 目标检测
• YOLOv5s
• CBAM
• 解耦

随着近年来交通系统越来越发达，人们出行越来越频繁，通过X光安检机对人们的包裹进行检查，已经成为预防危及公共安全事件的重要手段.目前，很多地方X光图像的危险品检测工作仍然由安检员人工进行，存在工作负荷大、效率低等问题.因此，利用现有的目标检测技术自动进行危险品检测非常必要.但X光图像危险品背景往往比较复杂，导致危险品自动检测精度不高.因此，本文提出一种改进的att＿decouple＿YOLOv5s模型，通过在YOLOv5s模型的特征融合部分引入卷积注意力机制(Convolutional Block Attention Module, CBAM),以加强相关特征信息、抑制背景信息；对模型的检测头部通过并行分支的方法进行解耦，解决分类和定位任务因为耦合在一起所产生的冲突问题.最后，在公共数据集pidray进行X光图像12类危险品检测实验，实验结果表明，所提模型的检测性能指标均值平均精度在IoU(Intersection over Union)阈值为0.5的情况下达到了88.1%,相比于YOLOv5s模型提升了2.8%;在IoU阈值为0.5到0.95的情况下，均值平均精度达到了76.6%,相比于YOLOv5s提升了4.3%;验证了本文改进算法的有效性.

• 单位
  陕西科技大学