(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211382655.0 (22)申请日 2022.11.07 (71)申请人 安徽启新明智科技有限公司 地址 230000 安徽省合肥市高新区望江西 路800号创新产业园二期F2栋9 楼南面 (72)发明人 吴勇敢　孟令超　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 雷玉龙 (51)Int.Cl. G01N 23/04(2018.01) G01V 5/00(2006.01) G06N 3/08(2006.01) (54)发明名称 汽油与水区分 网络的训练方法、 汽油与水区 分方法 (57)摘要 本发明公开了一种汽油与水区分网络的训 练方法、 汽油与水区分方法。 其中， 区分网络用于 X射线安检机系统， 系统包括X射线发射器和高、 低能探测器， 汽油与水区分网络的训练方法包 括： 在系统空载时， 控制探测器对X射线进行N次 采集， 在系统带负载时， 控制探测器对X射线进行 采集， 得到N个第一高、 低能采样和M个与负载对 应的第二高、 低能采样值， M、 N为大于1的整数； 对 M个第二高能采样值进行补偿， 并根据第一高、 低 能采样值、 补偿后的第二高能采样值和第二低能 采样值， 得到负载的属性值； 对应每个负载添加 标签； 构建检测子网络， 并将补偿后的第二高能 采样值、 第二低能采样值、 属性值和标签作为训 练样本对网络进行训练。 权利要求书3页 说明书10页 附图6页 CN 115420761 A 2022.12.02 CN 115420761 A 1.一种汽油 与水区分网络的训练方法， 其特征在于， 所述汽油 与水区分网络用于X射线 安检机系统， 所述X射线安检机系统包括X射线发射器和X射线探测 器， 所述X射线探测 器包 括高能探测器和低能探测器， 所述方法包括： 在所述X射线安检机系统空载时， 控制所述X射线发射器发射X射线， 并分别控制所述高 能探测器和所述低能探测器对所述X射线进 行N次采集， 得到N个第一高能采样值和N个第一 低能采样值， 其中， N 为大于1的整数； 在所述X射线安检机系统带负载时， 控制所述X射线发射器发射X射线， 并分别 控制所述 高能探测 器和所述低能探测 器对所述X射线进行采集， 得到M个第二高能采样值和M个第二 低能采样值， 其中， M为大于1的整 数， 每对所述第二高能采样值和所述第二低能采样值对应 一个负载； 对所述M个第二高能采样值进行补偿， 并根据所述N个第一高能采样值、 所述N个第一低 能采样值、 M个补偿后的第二高能采样值和所述M个第二低能采样值， 得到M个所述负载的属 性值， 以及对应 每个负载添加标签； 构建所述汽油与水区分网络， 并将所述M个补偿后的第二高能采样值、 所述M个第二低 能采样值、 M个属性 值和M个标签作为训练样本， 对所述汽油与水区分网络进行训练。 2.根据权利要求1所述的汽油与水区分网络的训练方法， 其特征在于， 所述根据所述N 个第一高能采样值、 所述N个第一低能采样值、 M个补偿后的第二高能采样值和所述M个第二 低能采样值， 得到 M个所述负载的属性 值， 包括： 对所述N个第 一高能采样值和所述N个第一低能采样值取均值， 得到第 一高能满度均值 和第一低能满度均值； 对所述第一高能满度均值进行补偿； 根据补偿后的第 一高能满度均值、 所述第一低能满度均值、 M个补偿后的第 二高能采样 值和所述M个第二低能采样值， 得到 M个所述负载的属性 值。 3.根据权利要求2所述的汽油 与水区分网络的训练方法， 其特征在于， 对应所述高能探 测器设有滤波铜片， 根据下式得到所述补偿后的第一高能满度均值： ， 根据下式得到所述补偿后的第二高能采样值： ， 其中， Ihf1为所述补偿后的第一 高能满度均值， Ihf为所述第一高能满度均 值， I0为X射线 管发射的X射线的能量初始值， Ihy1为所述补偿后的第二高能采样值， Ihy为所述第二高能采 样值， ucu(v)为铜衰减系数关于发射能级v的函数， t为铜厚度， h1为所述滤波铜片的厚度。 4.根据权利要求2所述的汽油 与水区分网络的训练方法， 其特征在于， 根据下式得到所 述属性值： ，权　利　要　求　书 1/3 页 2 CN 115420761 A 2其中， Iout为所述属性值， ， IR为R属性通道值， Ihf1为所述补偿后的第一高 能满度均值， Ihy1为所述补偿后的第二高能采样值， Ilf为所述第一低能满度均值， Ily为所述 第二低能采样值。 5.根据权利要求1所述的汽油与水区分网络的训练方法， 其特征在于， 所述M个补偿后 的第二高能采样值、 所述M个第二低能采样值和M个属性 值组成三 通道的训练样本 。 6.根据权利要求1所述的汽油 与水区分网络的训练方法， 其特征在于， 所述汽油 与水区 分网络包括： 共享子网络， 用于对所述训练样本进行 特征提取和池化操作， 得到样本矩阵； 分割子网络， 与所述共享子网络连接， 用于根据所述样本矩阵对相应负载进行位置分 割； 检测子网络， 与所述共享子网络连接， 用于根据 所述样本矩阵对相应负载进行检测， 以 得到负载类别。 7.根据权利要求6所述的汽油 与水区分网络的训练方法， 其特征在于， 根据下式得到所 述分割子网络的损失函数： ， 其中， loss(segment)为所述分割子网络的损失函数， β 为一个自定义超参， 范围为0~1， Di为某个样本标注真实标签为真的期望概 率， p为某个样本标注真实标签为真的预测概 率。 8.根据权利要求7所述的汽油 与水区分网络的训练方法， 其特征在于， 根据下式得到所 述检测子网络的损失函数： ， 其中， loss(detect)为所述检测子网络的损失函数， Di为某个样本 标注真实标签为真的 期望概率， p为某个样本标注真实标签为真的预测概 率。 9.根据权利要求1所述的汽油与水区分网络的训练方法， 其特征在于， 所述X射线安检 机系统， 还 包括： 智能提醒子系统， 用于在检测到汽油时， 根据下式对显示图像中的汽油区域进行颜色 转换处理： ， ， ， 其中， Hue1为颜色转换后的待转换区域的色相， Saturation1为颜色转换后的所述待转 换区域的饱和 度， Value1为颜色转换后的所述待转换区域的明度， HRED0为红色色相最低值， HRED1为红色色相最高值， Zeff0为等效原子序数最低值， Zeff1为等效原子序数最高值， Zeff为汽 油的有效原子序数， Gh为高能X射线图像的灰度值， G1为低能X射线图像的灰度值， S0为所述 待转换区域在进行颜色转换之前的初始饱和度值， V0为所述待转换区域在进行颜色转换之 前的初始明度值； 所述待转换区域为根据所述汽油区域得到的区域， 所述高能X射线图像为权　利　要　求　书 2/3 页 3 CN 115420761 A 3