基于轻量级YOLO模型的X光安检场景下危险物品检测系统

X光过安检的场景我相信所有人都不会陌生， 每年总会有那么几次坐火车的时候，每次进站都要各种仪器检查扫描，然后入站的时候可以看到行李通过传送带的旁边有几个工作人员盯着屏幕在看X光探照出来的行李包裹里面是否有违禁品，这种工作还是很枯燥的，但是却需要高度集中精力才行，其实这种场景是比较合适让AI来参与进来减少人工成本的。这里就是一个简单的尝试，首先看下效果图：

数据集如下：

YOLO格式标注文件如下：

VOC格式标注文件如下：

这里要检测识别的危险品是打火机，考虑到打火机本身体积就很小，而且在这种复杂拥挤环境下容易遮挡，这里没有使用n系列的模型，而是选用了s系列的模型，简单看下结果数据。

【混淆矩阵】

【F1值曲线】

【精确率曲线】

【PR曲线】

【召回率曲线】

batch实例：

从结果评估指标上来看：检测的效果一般，这个主要也是跟X光呈像场景下，小目标检测的的客观难度有关系，后续有时间尝试基于l系列的模型来开发构建模型分析对比下。