딥러닝 기반 인공 신경망을 이용한 위험화물 검색을 위한 X-선 후방산란 영상 데이터셋 합성 알고리즘 개발 (Development of Synthesis Algorithm of X-ray Backscattered Image Dataset for Hazardous Item Inspection using Deep-Learning-based Artificial Neural Networks)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 44권 / 4호 / 303 ~ 308페이지
· 저자명 : 정지욱, 임창휘

초록

다양한 화물이 적재된 항만 컨테이너를 신속하고 정확하게 검색하기 위해 X-선 투과영상이 주로 활용되고 있지만, 밀수 농산물, 마약, 폭발물과 같이 작은 원자번호의 물질로 주로 구성된 은닉화물 및 위험화물 검출을 위해서는 투과 방식의 컨테이너 영상 검색 방식으로는 한계가 있다. 최근 후방산란 방식의 영상검색기를 이동식 혹은 고정식으로 활용하여 수출입 화물에 대한 검사를 진행하고 있으나, 얕은 탐색 심도 및낮은 해상도로 인한 화물 검출 성능의 한계 등은 여전히 해결해야 할 숙제로 남아 있다. 본 연구에서는 이를 극복하기 위한 방법으로 인공지능 딥러닝 객체 검출 기법을 적용하고자 하였고, 이를 위해 필요한 충분한 수의 학습 영상을 구성하기 위해 X-선 후방산란 Monte Carlo N-Particle (MCNP) 시뮬레이션 기반 합성 영상을생성하였으며, 구성된 학습 데이터셋에 대한 딥러닝 인공지능 신경망 기반 네트워크 모델을 적용하여, 실제X-선 후방산란 컨테이너 촬영영상 내 위험화물 자동검색에 적용한 검출 결과를 소개하고자 한다.

영어초록

X-ray imaging stands as the primary method for efficiently and accurately inspecting port containers loaded with various types of cargo. Nevertheless, limitations exist within the transmission-type container imaging approach with regard to detecting concealed and hazardous items, such as smuggled agricultural products, drugs, and explosives, which often consist of low atomic number substances. Recently, both mobile and fixed backscatter-type imaging devices have been utilized for cargo inspection. However, challenges concerning scanning depth and detection accuracy owing to the limited resolution of backscatter imaging devices remain unresolved. In this study, we attempted to apply a deep learning-based object detection technique to overcome this problem. We synthesized images based on X-ray backscatter Monte Carlo N-Particle (MCNP) simulation to construct a sufficient number of training images, and trained a deep learning neural network model with the constructed training dataset. Futhermore, we present the detection results applied to automatic search for hazardous item in actual X-ray backscatter container images.

참고자료

· 없음