【技术实现步骤摘要】
基于ResNet和LSTM融合的太赫兹时域光谱隐匿危险品分类方法
[0001]本专利技术涉及危险品检测领域,具体涉及一种基于ResNet和LSTM融合的太赫兹时域光谱隐匿危险品分类方法,主要可应用于被动式太赫兹人体安检设备上。
技术介绍
[0002]X射线成像技术是目前探测包裹和行李中爆炸物和毒品的最常规方法,但是对一些片状和液体状等特殊爆炸物易出现漏检,对危险品的种类也难于确认,且由于对人体存在一定的辐射损伤而无法用于对人员的检查。其他如警犬和示踪法对于严密包装的危险品则效力有限。因此,为寻找准确、便捷、安全且经济实用的危险品探测技术迫在眉睫。
[0003]随着太赫兹技术的发展,太赫兹波被广泛地应用于物质检测领域并取得显著的成就。太赫兹波可穿透许多绝缘材料,如衣物、纸张、塑料、皮革和陶瓷等,而且太赫兹波辐射具有很低的光子能量,不会在生物组织中产生有害的光致电离,因此不会对人体造成伤害。由于这些优势,太赫兹时域光谱技术在探测人体或包装内藏匿的易燃易爆物上是一种极其有效的方法,可以通过频谱检测获取代表材料类型的各种信息,实现材料类型的识别。
[0004]近年来太赫兹时域光谱技术应用于物质检测领域都是基于理想的实验环境下,利用光谱分析法和机器学习方法相结合的技术进行分类研究。这些方法往往需要经验丰富的工程师手工设计特征提取器,对于变化的自然数据具有局限性,并且在处理复杂问题时泛化能力不足。然而在实际的安检场景中,环境温湿度变化、隐匿结构变化(常见衣物和塑料等包装物遮挡等)因素会影响危险品时域光谱的主要特征 ...
【技术保护点】
【技术特征摘要】
1.一种基于ResNet和LSTM融合的太赫兹时域光谱隐匿危险品分类方法,其特征在于,包括:针对危险品样品采集太赫兹时域光谱数据,以构建数据集,并对数据集中的数据进行预处理;构建ResNet
‑
LSTM网络模型,然后用预处理后的数据集进行网络模型的训练、测试和评估,最终得到训练好的网络模型用于危险品的实时分类;所述的ResNet
‑
LSTM网络模型的结构为:第一层是卷积层,包含16个5
×
5的卷积核,第二层是2
×
2的池化层,第三层是包含32个5
×
5的卷积层,第四层是2
×
2的池化层,前四层用于对输入的数据进行降维并保留主要特征;第五层是融合层,融合层具有并行的四个通道,融合层的输入分别进入这四个通道进行处理:第一个通道为1
×
1的卷积层,第二个通道是依次为1
×
1、1
×
3、3
×
1的三个卷积层,第三个通道是依次为1
×
1、1
×
5、5
×
1的三个卷积层,第四个通道是依次为1
×
1、1
×
7、7
×
1的三个卷积层;四个通道的输出进入到一个1
×
1的卷积层后,该卷积层的输出与融合层的输入进行点加操作后输出到后续网络中;第六层是3
×
3的卷积层,第七层是全连接层,通过该层将前面提取到的特征综合起来输入到第八层的LSTM网络层中,从而提取出更深层次的时间序列数据特征;然后将LSTM网络层的输出经过两个Dropout层,以减轻模型的过拟合;在每个Dropout层后都有一个全连接层;最后,将提取的特征输入到softmax层,对危险品进行分类。2.根据权利要求1所述的基于ResNet和LSTM融合的太赫兹时域光谱隐匿危险品分类方法,其特征在于,在融合层的最后一个1
×
1卷积层之前有一个连接层,把四个通道生成的不同类型但大小相同的特...
【专利技术属性】
技术研发人员:赵聪,肖红,张荣跃,姜文超,曾庆湖,卢嘉荣,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。