基于改进YOLOv8的X线安检图像违禁品检测方法

摘要

人工安检效率低，易出错，实现基于人工智能的自动安检是安检的发展趋势.针对YOLOv8目标检测模型在X线违禁品检测中检测精度低和对少量类别漏检率高的问题，对YOLOv8模型进行改进.在YOLOv8n的基础上修改网络结构，引入注意力机制，提出带有通道注意力(efficient channel attention, ECA)的YOLOv8-ECA目标检测模型，以便更好地提取X线图像中违禁品的特征，同时采用图像旋转等一系列数据增强方法，对少量类别样本进行样本扩充.在自建的X线安检图像数据集上进行实验.实验结果表明，改进后的算法较原始YOLOv8n模型在检测精度上提升6%,在检测速度上较原始YOLOv8n模型提升15.7%,同时降低少量类别的漏检率.

关键词

YOLOv8n / ECA注意力 / 深度学习 / X线图像 / 违禁品检查