融合双向路由注意力的多尺度X光违禁品检测

针对违禁品检测中存在的复杂背景干扰、物体间的重叠遮挡和多尺度变化问题，提出一种基于改进YOLOv7的X射线违禁品目标检测算法。首先，在主干中引入MBConv，以更有效的捕获全局信息；其次在特征融合网络中加入RFE模块，以增加特征图的感受野，从而提高违禁品多尺度检测的准确性。并设计出一种ELAN-BiF模块，用于抑制复杂背景干扰，使网络提取不同尺度的物品特征；为了提高小目标物体的检测精度，增加了一个微小物体检测头；最后，结合CARAFE上采样和Mish激活函数来提高网络对重叠和遮挡对象的识别能力，并提升在正负样本不平衡情况下的检测能力。结果表明，改进后的模型在SIXray_OOD数据集上进行测试，该方法map达到了95.2%，比原模型提高4.9%，比其他主流检测模型在违禁品检测任务上具有更好的优越性。

在火车站、体育馆、地铁、机场等公共场所中，使用X 射线安检机，可以有效避免枪支、管制刀具等违禁品对人员和公共财产的威胁与干扰[1]。

但目前大多X 射线安检机主要依靠人工视觉从拍摄的图像中识别违禁品，存在人为疏忽而导致漏检和错检的问题。

X 射线安检图像是通过目标检测算法来判断是否存在违禁品，并在安检图像中标记出它的位置和类别[2]。然而，X 射线安检图像有以下特点：1) 复杂背景：由于X 射线成像与物体的密度和厚度有关，安检设备根据物质的性质呈现不同的颜色， 当背景与违禁品厚度和密度相近时， 会干扰违禁品的特征学习；2) 物体间重叠遮挡：物品在X 射线投影下的形状会严重畸变， 被检物品的随机放置会导致物体间的互相遮挡，增加违禁品识别的困难[3]；3) 违禁品具有多尺度变化：同类物品在图片中会呈现不同的尺度，不同位置的镜头监测到的目标也会呈现出尺度差异。违禁品检测安检图像如图1 所示。

近年来，随着深度学习在计算机视觉领域发展迅速，目标检测算法在X 射线安检图像违禁品识别中发挥了重要作用，有效提高了违禁品识别的准确率。Akcay [4]等人首次将卷积神经网络应用于X 射线安检图像，通过迁移学习对X 光行李图像进行分类，再对特定物品——手枪进行检测，但识别类别单一；Gaus 等[5]提出了一种双卷积神经网络架构，用于复杂X 射线安检图像中的自动异常检测。GE 等[6]人提出解耦检测头和无瞄框的YOLOX 框架，虽定位多尺度小目标准确，但泛化性不足；Zhang Y [7]等人在FSSD 检测模型上添加扩张卷积并引入残差连接以避免过拟合现象， 但检测精度仍有提升空间；Zhu X [8]等人提出基于注意力机制的多尺度检测网络(AMOD-Net)， 通过融入通道注意力、构建深度特征融合结构， 来解决X 光违禁品图像中的重叠遮挡问题，但多尺度检测网络导致特征模糊，从而影响检测精度； 上述研究成果极大推动了深度学习在X 光违禁品检测中的应用，提高了违禁品检测的准确性。但X射线安检图像仍存在违禁品的形状多尺度、重叠遮挡严重、复杂背景干扰等急需解决的关键问题，目前的检测精度和速度仍然无法满足实际应用的要求。