[發明專利]一種基于深度學習的物體X射線圖像材質判別系統及方法

有效

• 申請號: 202010178023.7
• 申請日: 2020-03-13
• 公開（公告）號: CN111429410B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 鄭梁;桑琪顓;陳王鐿;瞿姜平
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/08;G01N23/04
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 陸永強

1.一種基于深度學習的物體X射線圖像材質判別方法，其特征在于，其對應系統包括X射線管、增感屏、數字CCD相機、旋轉平臺、藍牙收發器和PC端，其中，

所述X射線管對放置在旋轉平臺上的物體進行X射線照射，透過物體的X射線照射到增感屏上，再通過數字CCD相機采集增感屏上的透視圖像，并傳輸到PC端，PC端通過藍牙收發器控制旋轉平臺旋轉；所述X射線管為小型化陽極共地發射管，包括不銹鋼外殼和內灌的絕緣油；所述旋轉平臺包括電機，電機將旋轉平臺旋轉；

包括以下步驟：

S10，搭建物體旋轉成像平臺，使用CCD數字相機采集增感屏上物體的X射線透視圖像，并傳輸至PC端上進行顯示；

S20，PC端通過藍牙控制旋轉平臺旋轉，獲取物體的正視X射線圖像和側視X射線圖像；

S30，對獲取的X射線圖像進行前期的預處理；

S40，將處理后的圖像裁剪掉平臺影像，然后卷積提取出特征信息并整合到一起，再經過網絡的全連接層將密度信息與材質類別做關聯；

S50，擴大訓練集樣本，提高訓練的準確率，保存訓練網絡并用于測試集；

所述S40中卷積提取出特征信息并整合到一起，再經過網絡的全連接層將密度信息與材質類別做關聯，包括以下步驟：

S41，加載前期預處理后的物品正視X射線圖像和側視X射線圖像，其中圖像的分辨率大小為3*576*720；

S42，將加載好的圖片進行[0,0,720,430]的范圍裁剪，其中[x,y,x1,y1]的[x,y]為裁剪圖像像素點位置的左上角，[x1,y1]為裁剪圖像像素點位置的右下角；

S43，將裁剪好的圖片經過多次卷積池化后提取出圖像的像素點灰度特征值，采用ReLU激活函數，剔除計算過程中錯誤的負值，提取后特征值尺寸大小為1*15*25；

S44，將正視圖和側視圖的特征值進行整合，整合后的特征值的數值尺寸大小為2*15*25，將其按層分解，每一層的數值尺寸大小為2*25，共15層，然后接入第一個全連接層，每一層輸出25*25的密度信息特征值，將15層輸出疊加得到25*25*15的密度信息特征值，再接入第二個全連接層，最終網絡輸出2*1的分類尺寸，記為x[0]和x[1]，比較兩值來判別更趨近于哪一類材質。

2.根據權利要求1所述的方法，其特征在于，所述S20中，預處理包括圖像去噪和圖像增強。

3.根據權利要求1所述的方法，其特征在于，所述旋轉平臺每次旋轉45°。

4.根據權利要求1所述的方法，其特征在于，所述S50中使用torch.save()保存判別網絡并用于測試集。