《基于神經(jīng)卷積網(wǎng)絡(luò)的智能圖像識別框架開題報告文獻(xiàn)綜述》

開題報告文獻(xiàn)綜述學(xué)習(xí)中心名稱姓名學(xué)號

指導(dǎo)教師論文題目基于神經(jīng)卷積網(wǎng)絡(luò)的智能圖像識別框架一、選題的依據(jù)和意義，研究的主要問題，擬達(dá)到的目的、國內(nèi)外研究現(xiàn)狀（一）選題依據(jù)近年來，隨著我國經(jīng)濟(jì)和技術(shù)的不斷發(fā)展，飛機(jī)、高鐵、地鐵等交通工具成為人們現(xiàn)在出行的必要選擇，因此交通安全成為人們關(guān)心的主要問題。隨著人口大量的流動，人們攜帶的行李物品的種類也越來越豐富，同時危險品的種類越來越繁多，為保證大型公共場所安全，危險品的檢測工作越來越重要，依托X射線的安防裝備的使用頻率也越來越高。目前，針對危險物品的識別任務(wù)主要依賴于安檢工作員人眼人工識別安檢圖像，存在易疲勞、易漏判、效率低等問題。隨著當(dāng)前安防場所的大量增多，利用計算機(jī)圖像識別技術(shù)對安檢圖像進(jìn)行識別己成為該領(lǐng)域未來的發(fā)展方向。通過計算機(jī)圖像識別技術(shù)對安檢圖像內(nèi)容進(jìn)行自動識別是一種安全可靠的識圖方式，該技術(shù)可大大提高安防裝備工作效率，提升安檢工作準(zhǔn)確性，減少漏判，利用該技術(shù)智能化識別危險品己成為該領(lǐng)域技術(shù)的制高點和將來的發(fā)展趨勢。（二）選題意義本文將人工智能技術(shù)應(yīng)用于目前的安防裝備當(dāng)中，通過搭載安防裝備，智能的識別安檢圖像中危險品種類和位置，并能夠?qū)Π矙z圖像中存在的危險品進(jìn)行自動報警，應(yīng)用人工智能技術(shù)實現(xiàn)安檢圖像的半自動化識別任務(wù)，從而達(dá)到保證公共安全的目的。本次課題從安防領(lǐng)域著手，促進(jìn)科技技術(shù)向先進(jìn)產(chǎn)品轉(zhuǎn)化，將人工智能技術(shù)與實際生產(chǎn)需求相結(jié)合，在傳統(tǒng)安防裝備的硬件基礎(chǔ)上進(jìn)行產(chǎn)業(yè)升級，提升智能化服務(wù)水平，努力建設(shè)安全高效的智能化安檢體系結(jié)構(gòu)，完善智能化安檢裝備智能安檢功能。（三）研究的主要問題現(xiàn)有的X射線安檢設(shè)備只能對檢測物體進(jìn)行物質(zhì)分類，如有機(jī)物、無機(jī)物、混合物、金屬、液體等，而對于檢查物體的具體功能分類仍然需要安檢人員進(jìn)行肉眼觀察識別，由于人會出現(xiàn)視覺疲勞或者受到一些其他因素的干擾，時常會出現(xiàn)錯檢和漏檢現(xiàn)象。因此本文將把X射線安檢圖像作為研究對象，完成自動識別定位安檢圖像當(dāng)中的危險品的功能，以減少漏檢現(xiàn)象同時以減輕安檢人員的壓力為目標(biāo)，來進(jìn)行本文的研究。（四）擬達(dá)到的目的智能化危險物品識別以深度學(xué)習(xí)人工智能技術(shù)為基礎(chǔ)，結(jié)合X光安防裝備掃描圖像作為數(shù)據(jù)庫支撐，實現(xiàn)安檢機(jī)智能識別危險品并進(jìn)行報警的功能。此課題的研究和實施不僅可以實時的在安檢屏幕上顯示安檢圖像供安檢人員查看，而且能夠把危險品位置和種類標(biāo)記出來使危險品的識別準(zhǔn)確率大幅提升，顯著提升安檢效率，減少了安檢人員的壓力。目前，尚未有基于人工智能技術(shù)的成型安檢產(chǎn)品廣泛使用，此項目在人力成本節(jié)約、安檢人員工作考量等方面具有積極作用，未來可能給整個安檢行業(yè)帶來全新工作模式，從目前的手動人工識別轉(zhuǎn)向半自動甚至全自動識別，發(fā)展前景廣闊。（五）國內(nèi)研究現(xiàn)狀1.X射線圖像檢測研究現(xiàn)狀在國內(nèi)的安檢設(shè)備當(dāng)中，己經(jīng)研究出針對爆炸物和毒品的檢測系統(tǒng)，但是由于技術(shù)不完善且價格昂貴，并不適合大面積普及應(yīng)用。中國人口眾多，尤其逢年過節(jié)客流量就更多，同時安檢的壓力也就更加巨大。市場上現(xiàn)有的產(chǎn)品不僅存在漏檢和誤檢現(xiàn)象而且越是檢測準(zhǔn)確的價格也越昂貴，現(xiàn)在市面上尚未呈現(xiàn)能自動辨認(rèn)針對各種危險品的設(shè)備，并且大都需要進(jìn)行半人工辨認(rèn)，目前國內(nèi)的安檢技術(shù)還有很大的發(fā)展空間，安檢設(shè)備的改進(jìn)也非常需要。2.深度學(xué)習(xí)的研究現(xiàn)狀2012年，華為在中國香港建立了一個專注于人工智能領(lǐng)域數(shù)據(jù)挖掘的諾亞級實驗室。2014騰訊建立深入學(xué)習(xí)平臺ICML，快速人工智能“互聯(lián)網(wǎng)+”的發(fā)展，這是在2016年啟動。該方案明確表明需要推廣使用人工智能技術(shù)的視覺處理，語音處理，生物處理和自然語言處理領(lǐng)域，促進(jìn)人類的食物，衣著，住房，交通，以及加快自主創(chuàng)新和創(chuàng)業(yè)能力建設(shè)的人工智能運(yùn)用人工智能。這表明人工智能的重要性已超越自身，并已成為中國戰(zhàn)略成功的一部分。（六）國外研究現(xiàn)狀1.X射線圖像檢測研究現(xiàn)狀國外在安檢領(lǐng)域的研究己經(jīng)有許多年了，其中計算機(jī)cT斷層技術(shù)由于快速、準(zhǔn)確等特征很符合安檢的要求。美國在90年代初，通過對醫(yī)學(xué)cT技術(shù)的研究開始把CT技術(shù)應(yīng)用到爆炸物品檢測上，但是由于目前的cT技術(shù)安檢系統(tǒng)的掃描孔徑比較小，限制了大包裹檢測，雖然國外己經(jīng)出現(xiàn)了80cm掃描孔徑，但是這類設(shè)備價格也很昂貴，不適合普及使用。英國的交通部和美國的交通局，都己經(jīng)把x射線多視角安檢設(shè)備作為新一代的主流安檢設(shè)備。x射線多視角安檢設(shè)備，可以向安檢人員報告行李物品里是否存在可疑的危險物品，并顯示他們的形狀、背景和顏色等，安檢人員通過這些顯示的特征再根據(jù)自身經(jīng)驗憑借肉眼觀察圖像，從而判斷出可疑危險品是否真正可疑，對不確定的物品要進(jìn)行開包檢查。2.深度學(xué)習(xí)的研究現(xiàn)狀2010年，國防部辦公室的首次美國能源部資助了深入的學(xué)習(xí)研究，包括紐約大學(xué)，斯坦福大學(xué)和美國學(xué)院，所有這些都積極參與了研究。2011年，斯坦福大學(xué)人工智能實驗室吳恩達(dá)谷歌為首的科學(xué)家受益16000個計算機(jī)模擬人腦的神經(jīng)網(wǎng)絡(luò)，并獲得來自YouTube的教練神經(jīng)網(wǎng)絡(luò)的視頻，當(dāng)圖像被搜索的視頻，只需輸入名稱和神經(jīng)元的形象網(wǎng)絡(luò)可以自動識別視頻中的圖像。就在同一年，微軟的語音識別軟件達(dá)在語音識別領(lǐng)域十余年來最大的突破，并減少了約25％的軟件語音識別錯誤率，假設(shè)一個深度學(xué)習(xí)技術(shù)。二、研究方法、研究步驟和所需條件（一）研究方法：1.文獻(xiàn)研究法，大量閱讀有關(guān)智能圖像識別相關(guān)的文獻(xiàn)，為論文寫作打好基礎(chǔ)。2.實驗研究法，通過實驗論證基于卷積神經(jīng)網(wǎng)絡(luò)智能圖像識別框架模型，以及檢驗基于卷積神經(jīng)網(wǎng)絡(luò)智能圖像識別框架的性能。（二）研究步驟：首先對卷積神經(jīng)網(wǎng)絡(luò)和目標(biāo)檢測技術(shù)進(jìn)行介紹，總結(jié)卷積神經(jīng)網(wǎng)絡(luò)的特點和訓(xùn)練方法。根據(jù)課題實際需求，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)射線圖像識別系統(tǒng)模型。其次，重點研究FasterR-CNN模型，并對FasterR-CNN模型里面的RPN網(wǎng)絡(luò)進(jìn)行改進(jìn)。最后，利用設(shè)計好的安檢圖像識別模型，設(shè)計并實現(xiàn)一套能應(yīng)用在物品安檢機(jī)上的軟件識別系統(tǒng)。當(dāng)X射線安檢設(shè)備掃描物體的時候，實時監(jiān)測被檢測物品里是否含有危險物品，并對危險品進(jìn)行實時定位識別。（三）所需條件1、在學(xué)校圖書館中有良好的資料庫，并通過網(wǎng)絡(luò)能夠根據(jù)研究需要便捷地搜索和下載與本課題相關(guān)的資料，為課題研究提供了充分詳盡的理論資源。2、在學(xué)校學(xué)習(xí)了與課題相關(guān)的各項專業(yè)課程，已經(jīng)具備了完成課題研究所需要的相關(guān)專業(yè)知識。3、在指導(dǎo)老師的悉心指導(dǎo)下，運(yùn)用專業(yè)知識及相關(guān)的科學(xué)研究方法，通過自身努力，嚴(yán)格按照論文寫作階段計劃執(zhí)行，不斷修改和完善文章的內(nèi)容，確保文章的寫作順利地開展和完成。三、工作進(jìn)展、研究工作進(jìn)展計劃：2021年12月與指導(dǎo)教師見面商討論文選題，撰寫選題審批表、開題報告；2022年1月市場調(diào)研并進(jìn)行數(shù)據(jù)分析2022年2月收集、整理、分析研究資料、論文初稿；2022年3月初論文二稿2022年3月中下旬論文定稿并查重、整理、打印、裝訂、交稿；2022年3月底完成畢業(yè)論文答辯稿和PPT，準(zhǔn)備答辯2022年4月初完成答辯四、參考文獻(xiàn)[1]余永維,殷國富,殷鷹,etal.基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識別方法[J].儀器儀表學(xué)報,2014,35(9):2012-2019.[2]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測[C]//第二屆高分辨率對地觀測學(xué)術(shù)年會.0.[3]段金菊,余勝泉.學(xué)習(xí)科學(xué)視域下的e-Learning深度學(xué)習(xí)研究*[J].遠(yuǎn)程教育雜志,2013(4).[4]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測[J].測繪通報,2014(S1):108-111.[5]孫志軍,薛磊,許陽明.基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J].電子與信息學(xué)報,2013(4).[6]段金菊.e-Learning環(huán)境下促進(jìn)深度學(xué)習(xí)的策略研究[J].中國電化教育,2012(5):38-43.[7]袁冰清,陸悅斌,張杰.神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)基礎(chǔ)[J].數(shù)字通信世界,2018,No.161(05):40-41+70.[8]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安電子科技大學(xué)出版社,1990.[9]閻平凡,張長水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計算[M].清華大學(xué)出版社,1900.[10]張乃堯,閻平凡.神經(jīng)網(wǎng)絡(luò)與模糊控制[M].清華大學(xué)出版社,1998.[11]馮夏庭,張治強(qiáng),楊成祥,etal.位移反分析的進(jìn)化神經(jīng)網(wǎng)絡(luò)方法研究[J].巖石力學(xué)與工程學(xué)報,1998,18(05):529-529.[12]HongtaoZ,HanpingM,DaoyinQ.Featureextractionforthestored-graininsectdetectionsystembasedonimagerecognitiontechnology[J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2009,25(2):126-130.[13]KuriharaN,NishikawaM,WatanabeA,etal.Acombustiondiagnosismethodforpulverizedcoalboilersusingflame-imagerecognitiontechnology[J].IEEEPowerEngineeringReview,2010,PER-6(6):45-46.[14]RosenfeldA,MilgramD.Algorithmsandhardwaretechnologyforimagerecognition[J].Algorithms&HardwareTechnologyforImageRecognition,1978.[15]ChengF,ZhangH,FanW,etal.ImageRecognitionTechnologyBasedonDeepLearning[J].WirelessPersonalCommunications,2018(C):1-17.[16]楊海濤.圖像識別技術(shù):機(jī)械工業(yè)出版社.[17]王波濤,蔡安妮,孫景鰲.生物圖像識別技術(shù)及其應(yīng)用[J].計算機(jī)工程與設(shè)計,2001,22(4):78-82.[18]陳強(qiáng).基于組合矩和神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)研究[D].南京理工大學(xué),2007.[19]彭淑敏.神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)研究與實現(xiàn)[D].西安電子科技大學(xué),2005.[2