题目: X光安检图像卷烟目标识别系统

一、项目简介

本项目基于streamlit + heroku搭建实现。项目旨在实现对X光安检图像中的卷烟目标进行定位识别和辅助警告。卷烟目标识别算法基于对YOLOv4算法进行微调实现。本项目的编译环境：python3.8 + opencv 4.4。

二、模块介绍

本部分将对Web应用程序中三种模式进行详细的介绍。用户可以通过侧边栏的功能菜单选择不同的运行模式，详细情况如下：

• 应用介绍：介绍项目概况、程序的四种基本运行模式、目标检测算法指标和反思当前工作的不足。

• 单图检测：实现的功能包括：（1）单张测试图片上传；（2）测试图片展示；（3）如果图片包含卷烟目标，展示标注结果；（4）如何图片不包含卷烟目标或检测失败，给出提示信息；（5）支持调整目标检测算法的置信度阈值和IOU阈值并重新显示测试结果。

• 测试展示：在测试集的数据范围内，手工标注结果同卷烟目标检测算法预测结果的对比展示。

三、算法指标

本部分记录YOLOV4算法在部分迭代次数下的指标情况统计。数据集均按照Pascal Voc格式组织。所有指标的计算结果均采用官方C版YOLOv4算法提供的计算方式得到。

序号	迭代次数	置信度	precision	recall	mAP@0.50	precision	recall	mAP@0.75
1	1600	0.25	0.99	1.00	0.999365	0.83	0.83	0.778261
2	1700	0.25	0.97	0.94	0.928080	0.72	0.71	0.535769
3	1800	0.25	0.98	0.94	0.982245	0.69	0.67	0.573664
4	1900	0.25	1.00	0.97	1.000000	0.83	0.82	0.744467
5	2000	0.25	1.00	0.95	0.991744	0.84	0.82	0.762587

四、未来工作

• 采用图片混合拼接等方法增强安检图像数据，增大现有烟草数据集的挑战性。
• 改进现有算法，提升模型在更具有挑战性的烟草图像数据集上的性能指标。