行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度，提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络，通过引入图像注意力机制与动态元融合，能够在卷积前向传递过程中补充低层图像视觉线索，有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题，增强对细粒度特征的识别能力；同时，引入外部神经知识的元选择网络，实现网络多阶段预测的自适应融合，以避免权重偏置现象。实验结果表明，文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难，有效提高识别准确率。     

智能铁路客运站2.0总体框架及应用研究

为深化新信息技术在铁路客运站的创新应用,进一步推动智能铁路客运站的总体发展,本文基于已建设的智能铁路客运站1.0系统(智能客运站旅客服务与生产管控平台)应用现状,以未来智能化需求为导向,提出了智能铁路客运站2.0的总体目标、设计理念、典型特征和技术框架,并给出了基于信息物理融合系统(CPS)的智能铁路客运站2.0系统结构.然后,结合车站实际业务需求及运营痛点,深入研究快速安检、智能问询和客流预测等智能铁路客运站2.0典型应用场景的关键技术,实现信息技术与客运站运营管理、旅客服务的深度融合.最后,通过搭建智能铁路客运站2.0智能安检平台环境,开展了行李X光图像智能判别试验,证实智能铁路客运站2.0的可行性和有效性.