摘 要：針對(duì)現(xiàn)有Ｘ 光圖像違禁品檢測(cè)精度低的問題，提出一種基于改進(jìn)ＹＯＬＯｖ８ 的Ｘ 光圖像違禁品檢測(cè)算法。在ＹＯＬＯｖ８ 基礎(chǔ)上添加了一個(gè)小目標(biāo)檢測(cè)頭，以增強(qiáng)對(duì)小目標(biāo)物體敏感度，同時(shí)使用自適應(yīng)空間特征融合（Ａｄａｐｔｉｖｅｌｙ ＳｐａｔｉａｌＦｅａｔｕｒｅ Ｆｕｓｉｏｎ，ＡＳＦＦ） 模塊自適應(yīng)調(diào)整不同檢測(cè)層間的權(quán)重，避免多尺度層級(jí)之間的信息沖突。使用重參數(shù)化后的ＲＦＢ＿ Ｓ模塊替換ＹＯＬＯｖ８ 中的快速空間金字塔池化（Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ ＰｏｏｌｉｎｇＦａｓｔ，ＳＰＰＦ） 模塊，使用大小不同的卷積來獲取不同視野特征圖信息，避免多重最大池化可能帶來的梯度消失問題。在頸部網(wǎng)絡(luò)和主干網(wǎng)絡(luò)之間引入高效多尺度注意力（Ｅｆｆｉｃｉｅｎｔ Ｍｕｌｔｉｓｃａｌｅ Ａｔｔｅｎｔｉｏｎ，ＥＭＡ） 機(jī)制，有效區(qū)分背景區(qū)域和目標(biāo)區(qū)域，加強(qiáng)關(guān)鍵信息的交互。使用可變形卷積替換Ｃ２ｆ 模塊中的普通卷積，利用可變形卷積自適應(yīng)調(diào)整卷積核的形狀，更好地捕捉和感知圖像中不同尺度的目標(biāo)特征。該算法在ＳＩＸａｒｙ 數(shù)據(jù)集上測(cè)試平均精確度均值（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ） 達(dá)到９２． ７％ ，比原始算法提高了３． ２％ 。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法比原始算法有了較大提升，證明了改進(jìn)算法的有效性。

關(guān)鍵詞：目標(biāo)檢測(cè)；注意力機(jī)制；ＹＯＬＯｖ８；可變形卷積；違禁品

中圖分類號(hào)：ＴＰ３９１． ４ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１０－２２８８－０８

０ 引言

目前行李包裹安全檢查主要依靠安檢人員觀察、分析Ｘ 光安檢機(jī)掃描得到的圖像，判斷行李中是否夾帶易燃易爆物、管制刀具等違禁品［１］。這樣的檢查機(jī)制存在著隱患，比如違禁品漏檢、錯(cuò)檢［２］。相對(duì)而言，利用現(xiàn)代計(jì)算機(jī)技術(shù)對(duì)違禁品進(jìn)行自動(dòng)檢測(cè)，是一種更為客觀、穩(wěn)定、高效的方法。