Erkennung von Bedrohungen in Röntgenscans mit YOLOv5 und YOLOv6

Die Verbesserung der öffentlichen Sicherheit ist sowohl für die Bürger als auch für die Regierungen von wesentlicher Bedeutung. Die Überwachung und die Gepäckinspektion, die Teil der derzeitigen Sicherheitsprotokolle sind, sind von entscheidender Bedeutung. Durch den Einsatz von Objekterkennung für die automatisierte Gepäcksicherheit verbessert dieses Projekt die bestehenden Systeme.Durch den Einsatz von Deep-Learning-Techniken, insbesondere Transfer Learning mit YOLOv5 und YOLOv6, werden Bedrohungen während des Röntgenscans erfolgreich identifiziert. Durch den Einsatz von GANs und Datenerweiterung wird ein aussagekräftiger Datensatz für das Modelltraining erzeugt.Dieses System hilft, das Eindringen gefährlicher Gegenstände in öffentliche Räume zu verhindern, indem es sich auf die Erkennung von Gegenständen wie Messern und Schusswaffen konzentriert. Dies senkt die Risiken und fördert eine sicherere Atmosphäre. Diese Forschung unterstreicht, wie wichtig Spitzentechnologie für präventive Sicherheitsmaßnahmen ist.

Autorentext

Dr. Varsha D. Jadhav arbeitet in der Abteilung für Künstliche Intelligenz und Datenwissenschaft des Vishwakarma Institute of Information Technology, Pune. Sie hat einen Doktortitel in Computertechnik mit Spezialisierung auf Datenwissenschaft. Sie hat 20 Jahre Erfahrung. Sie hat Forschungsarbeiten in renommierten Zeitschriften und auf internationalen Konferenzen veröffentlicht.