一种面向交通安全的违禁品轻量级检测方法

作     者：翁成康 黄贤明 黄海洋 WENG Chengkang;HUANG Xianming;HUANG Haiyang

作者机构：湖南工业大学计算机学院湖南株洲412007 

出 版 物：《湖南工业大学学报》 (Journal of Hunan University of Technology)

年 卷 期：2025年第39卷第1期

页      面：72-78页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部中国高校产学研创新基金资助项目(2020ITA05043) 湖南省教育厅科学研究基金资助项目(21C0409,2023DT002) 

主　　题：轻量化 卷积神经网络 X光图像 注意力机制 违禁品检测 

摘      要：针对X光安检图像中摆放杂乱、故意遮挡、小型不规则物品检测等问题,以及安检工作对实时性、快速性的要求,基于YOLO v5s网络模型提出了一种结合改进的轻量级实时违禁品监测方法LRCD,以辅助安检人员快速进行检测。通过在模型的主干中使用DenseOne模块替代YOLO v5s主干中的C3模块,进而丰富特征,提高网络的特征表达能力;为了提高推理速度,使用SimSPPF替换YOLO v5s主干中的SPPF;同时引入WIoU(Wise-IoU)损失函数,抑制了冗余特征对检测网络的影响,增强了网络获取违禁品中包含的多尺度特征的能力。在针对X光下行李物品图片的EDS数据集中进行测试,mAP达68.96%,FPS达136.9,对比近年来被广泛使用的其他经典目标检测模型,分别平均提升了6.35%与66.7%。