买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市澄天伟业科技股份有限公司申请的专利一种X光安检机图片物体检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119600389B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510130258.1，技术领域涉及：G06V10/774；该发明授权一种X光安检机图片物体检测方法是由冯学裕设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。

本一种X光安检机图片物体检测方法在说明书摘要公布了：本发明公开了一种X光安检机图片物体检测方法，包括：获取X光安检机图片数据集，通过生成对抗网络生成高质量X光图像样本，扩充展数据集，通过强化学习优化对抗网络生成器的训练过程；构建多任务学习模型，联合训练物体检测、物体分割和物体类别识别，在没有标注数据的情况下，通过自监督学习生成特征表示作为初始权重，应用于物体检测模型的训练；本发明生成对抗网络：传统的数据增强方法可能在生成样本的多样性和真实性上存在局限。通过GAN生成的样本能够更好地模拟实际环境中的复杂情况，从而提高模型在实际应用中的鲁棒性。强化学习优化：利用强化学习优化GAN的训练过程，能够动态调整生成策略，使得生成的图像样本更加多样和真实。

本发明授权一种X光安检机图片物体检测方法在权利要求书中公布了：1.一种X光安检机图片物体检测方法，其特征在于，包括以下步骤： 获取X光安检机图片数据集，通过生成对抗网络生成高质量X光图像样本，扩充展数据集，通过强化学习优化对抗网络生成器的训练过程； 构建多任务学习模型，联合训练物体检测、物体分割和物体类别识别，在没有标注数据的情况下，通过自监督学习生成特征表示作为初始权重，应用于物体检测模型的训练； 根据变换器网络进行物体检测，通过注意力机制处理图像中的长距离依赖关系，通过动态推理技术，根据实际检测任务的需求动态选择推理路径，具体包括： 根据DETR变换器网络模型进行物体检测，通过注意力机制在全局图像范围内寻找物体的位置和边界框； 通过自注意力机制，DETR变换器网络模型关注图像中的重要区域，并处理长距离依赖关系； 使用若干标注数据进行训练，并在验证集上进行评估和调整；所述动态推理技术包括： 根据当前输入图像的实际检测任务的需求动态，所述需求动态包括图像的复杂度和需求精度，动态选择最优的推理路径； 为每个推理路径分配不同的计算资源，使用强化学习或启发式算法进行推理路径的动态选择； 根据IsolationForest异常检测模型，在X光图像中识别异常物体或不寻常的物体组合，并根据识别异常物体或不寻常的物体组合构建自适应决策系统，具体包括： 构建异常检测模型，识别异常物体或不寻常的物体组合，其中所述异常物体包括武器类、爆炸物、易燃液体容器和活体动物，所述不寻常的物体组合包括电子设备与可疑物品的组合、衣物与违禁工具的组合和金属物体与液体组合； 使用历史数据和模拟异常数据训练异常检测模型，并在实时系统中进行部署； 在X光图像流中，异常检测模型实时分析并检测异常物体，并触发报警机制或启动人工审查；所述构建自适应决策系统包括：根据实时检测的物体类型和数量和历史时间段内的异常情况数据，自适应调整检测策略；根据实时检测结果，自适应地调整检测阈值，通过反馈回路，优化决策系统的规则和参数； 收集并整理X光图像数据集，所述X光图像数据集包括若干种不同类型的物体，并对所述X光图像数据集进行预处理，所述预处理包括归一化、尺寸调整； 构建GAN模型，所述GAN模型包括生成器和判别器，其中，所述生成器接受噪声输入，生成模拟X光图像样本，所述判别器区分真实图像与生成图像； 训练模型，在每次迭代中，所述生成器生成若干张伪造的X光图像，通过判别器区分所述伪造的X光图像与真实图像，通过对抗性损失函数优化所述生成器和所述判别器； 利用训练好的生成器生成高质量的X光图像样本，用于扩展数据集； 所述通过强化学习优化对抗网络生成器的训练过程，表达式为： ； 其中，是在时间步的奖励，是即时奖励，是折扣因子。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市澄天伟业科技股份有限公司，其通讯地址为：518000 广东省深圳市粤海街道高新区社区高新南九道10号深圳湾科技生态园10栋B3401-B3404；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。