10.3969/j.issn.1674-2605.2019.02.005
针对检疫物的CT图像着色和自动识别方法研究
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％.
深度学习、图像着色、图像自动识别
40
TP391.41;TP183;TN911.7
国家重点研发计划;广东出入境检验检疫局科技项目
2019-07-17（万方平台首次上网日期，不代表论文的发表时间）
共5页
20-24
