Детальная информация

Данная работа посвящёна исследованию возможности применения нейросетевых методов для обнаружения и локализации аномалий на интроскопических изображениях. Предметом работы является процесс автоматизированного анализа изображений, получаемых интроскопическими системами, с целью выявления потенциально опасных объектов. Целью данной работы является разработка прототипа модуля обнаружения и локализации аномалий на рентгеновских изображениях багажа для возможной интеграции в системы досмотра. В качестве метода исследования использован экспериментальный подход, основанный на адаптации и настройке нейросетевой модели с механизмом внимания. Проведена обработка и анализ набора данных интроскопических изображений, выполнено тестирование модели на различных значениях порогов принятия решения, а также рассчитаны основные метрики качества, включая Precision, Recall, F1-score и Mean IoU. В результате работы получены количественные оценки качества обнаружения аномалий и выявлены ограничения используемого подхода. Показано, что особенности формирования входных изображений и структура исходного набора данных оказывают существенное влияние на значения метрик качества. Полученные результаты позволили сформулировать выводы о применимости модели для задач предварительного анализа интроскопических изображений. Результаты работы могут быть использованы при разработке систем поддержки принятия решений в области автоматизированного досмотра и контроля безопасности. В ходе работы сделан вывод о целесообразности дальнейших исследований, направленных на улучшение качества локализации аномалий и адаптацию моделей под особенности интроскопических данных. В процессе выполнения работы были использованы современные информационные технологии и программные средства, включая язык программирования Python, фреймворки глубокого обучения PyTorch, библиотеки NumPy, OpenCV для обработки и анализа изображений, а также открытый набор данных рентгеновских изображений багажа. Разработка и тестирование программного прототипа выполнялись с использованием фреймворка для тестирования pytest, а также средств визуализации и экспериментального анализа, что обеспечило воспроизводимость полученных результатов и возможность дальнейшего расширения функциональности системы.

This work is devoted to the study of the applicability of neural network methods for anomaly detection and localization in X-ray baggage images images. The subject of the study is the process of automated analysis of images obtained from automated X-ray inspection systems in order to identify potentially dangerous objects. The aim of this work is to develop a software prototype of a module for anomaly detection and localization in X-ray baggage images for possible integration into inspection systems. An experimental approach based on the adaptation and tuning of a neural network model with an attention mechanism was used as the research method. The X-ray baggage image dataset was processed and analyzed, the model was tested using different decision threshold values, and the main performance metrics were calculated, including Precision, Recall, F1-score, and Mean IoU. As a result of the study, quantitative performance evaluations of anomaly detection were obtained, and limitations of the proposed approach were identified. It was shown that the characteristics of input image formation and the structure of the original dataset have a significant impact on the values of quality metrics. The obtained results made it possible to formulate conclusions regarding the applicability of the model for preliminary analysis of X-ray baggage images. The results of the work can be used in the development of decision support systems in the field of automated inspection and security control. The study concludes that further research aimed at improving anomaly localization accuracy and adapting models to the specific characteristics of X-ray  data is advisable. During the course of this work, modern information technologies and software tools were used, including the Python programming language, the PyTorch deep learning framework, NumPy library and OpenCV library for image processing and analysis, as well as an open X-ray baggage image dataset. The development and testing of the software prototype were carried out using the pytest testing framework, as well as visualization and experimental analysis tools, which ensured the reproducibility of the obtained results and the possibility of further extension of the system’s functionality.

• Разработка прототипа модуля для обнаружения аномалий на рентгеновских изображениях систем безопасности
  • Введение
  • 1. Обзор подходов к обнаружению аномалий и формализация требований к системе
  • 2. Проектирование модели обнаружения аномалий
  • 3. Программная реализация
  • 4. Тестирование и апробация прототипа модуля детекции аномалий
  • Заключение
  • Список использованных источников
  • Приложение 1 Исходный код проекта
  • Приложение 2 Исходный код тестов