数字通信世界杂志

摘要：基于深度学习的图像识别技术在大型交通枢纽安检场景应用中面临高并发、高准确率等需求，本文对某特大型交通枢纽日均30万人次的安检需求，设计了基于改进YOLOv5的危险物品识别算法，融合跨层特征增强模块与通道注意力机制。通过实验室模拟测试与数据验证，优化后的算法对管制刀具、易燃液体等违禁品识别准确率达到96.3%，较传统人工检查提升效率41.2%，日均安检处理能力提升28.6%。该算法方案为大型交通枢纽智能安检系统的发展提供了新的技术思路。

关键词： 安检系统;目标检测;YOLOv5;注意力机制;危险物品识别;

专辑： 信息科技;工程科技Ⅱ辑

专题： 公路与水路运输;计算机软件及计算机应用;自动化技术

分类号： U495;TP391.41;TP18