[發明專利]X射線圖像處理系統及其方法、記錄介質

在審

• 申請號: 202010126421.4
• 申請日: 2020-02-28
• 公開（公告）號: CN112346138A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 秋良直人
• 申請（專利權）人: 株式會社日立解決方案
• 主分類號: G01V5/00
• 分類號: G01V5/00;G01N23/04;G06K9/62;G06N20/00
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 安香子

本發明的目的是提供提高使用在X射線檢查業務中取得的X射線圖像的圖像識別的精度的X射線圖像處理系統及其方法、記錄介質。作為解決手段，取得被確定為有物品的區域的信息，以相同區域(例如相同的背景、相同的行李)的由多個傳感器得到的X射線透射量進行合成，根據再次合成后的X射線透射量推測材質信息，生成彩色圖像。作為合成的對象，例如利用在運行中儲存的物品的組合信息，作為相同的行李中包含的物品的組合而設為組合較多的物品。使用通過合成生成的彩色圖像作為學習數據。

技術領域

本發明涉及X射線圖像處理系統及其方法、記錄介質，特別涉及在用于隨身行李檢查的X射線檢查裝置中取得的X射線圖像中包含的物品的判定技術。

背景技術

在機場或大規模活動會場等，在隨身行李檢查中利用X射線隨身行李檢查裝置。X射線隨身行李檢查裝置通常生成表示X射線的透射量的灰度圖像、以及進而判定材質而按每個材質進行了上色的彩色圖像，檢查員以目視檢查圖像來確認有無危險物品。通常的運用是，如果檢查員發現危險物品則將行李開箱檢查。

為了確認在X射線圖像中是否包含危險物品，需要受過高度訓練的檢查員。因此，例如在大規模活動時臨時性地確保大量的檢查員從事前訓練及成本方面來看是較困難的。所以，為了減輕檢查員的負荷哪怕一點點，進行了要使危險物品的發現自動化的嘗試。

作為使圖像識別自動化的一個方案，可以舉出利用基于AI(人工智能)的深度學習的圖像識別技術。深度學習在影像解析的用途等中被廣泛使用，可得到較高的識別精度，所以其普及正在進展。但是，為了進行學習，需要大量的學習數據，為了得到較高的識別精度，需要準備包含多種樣式的學習數據。作為使用用于圖像識別的機器學習的技術，例如在專利文獻1中公開了將從2個圖像取得的區域的圖像在對顏色信息進行修正后合成的方法。

專利文獻1：日本特開2017－45441號公報

發明內容

專利文獻1所記載的技術通常以由防止犯罪相機或車載相機等拍攝的圖像為對象。因此，在合成對象重疊的情況下能夠考慮哪個圖像在前面。此外，由于合成對象的圖像的種類及位置根據相機的設置位置的信息而被限定，所以可以事前設定用于圖像識別的各種條件。

另一方面，在以X射線圖像為對象的圖像合成中，由于X射線透射物品，所以在物品重疊的區域中成為包含多個物品的特征的圖像。因此，不能原樣使用以往的圖像合成技術。此外，在應用于X射線隨身行李檢查的情況下，怎樣的物品的組合較好根據進行檢查的活動的種類及時期等而變化，所以難以事前設定這些。

本發明的目的是提高使用在X射線檢查業務中取得的X射線圖像的圖像識別的精度。

根據有關本發明的X射線圖像處理系統的優選的一例，取得被確定為有物品的區域的信息，以相同區域(例如相同的背景、相同的行李)的由多個傳感器得到的X射線透射量進行合成，再次根據合成后的X射線透射量推測材質信息，生成彩色圖像。作為合成的對象，一例中利用在運行中儲存的物品的組合信息，作為相同的行李中包含的物品的組合例如優選的是組合較多的物品。使用通過合成生成的彩色圖像作為學習數據。

發明效果

根據本發明，能夠提高使用在X射線檢查業務中取得的X射線圖像的圖像識別的精度。此外，通過使用合成到X射線圖像中的圖像構建學習數據，即使在有物品的重疊的情況下也能夠高精度地識別物品。

附圖說明

圖1是X射線檢查裝置的結構圖。

圖2是處理裝置102的功能結構圖。

圖3是表示同現數據表220的結構和數據例的圖。

圖4是表示物品數據表221的結構和數據例的圖。

圖5是表示物品的識別的處理動作的流程圖。