0551-69105010
近年來，世界各地利用人體藏毒以進行毒品走私的現象十分嚴重，準確、快速地檢測出人體組織包裹的毒品是一項亟待解決的難題。在現今所有已知的毒品探測方法中，基于能量色散的X射線衍射(Energy dispersive X-ray scattering， EDX RS)技術被證明是一種合適的方法，該方法具有無損、無創、低成本和高分辨率的特點。選取海洛因作為毒品的代表，對由Geant4軟件仿真得到的進入探測器的所有粒子能量進行統計，得到每種能量所對應的粒子數，從而可以產生一個m×1維的能譜向量。對于海洛因這類晶體，Bragg散射其X射線能譜會存在特征峰，通過識別特征峰的位置可以判定晶體的種類，從而完成毒品識別。由于人體組織的包裹，其特征峰會出現峰移、寬化、變形，使得通過特征峰無法識別物質種類。而BP神經網絡具有較好的非線性分類能力，可利用其進行人體藏毒的精準識別。
應用Geant4軟件搭建能量色散X射線照射包裹毒品人體組織的仿真模型，對得到能譜數據進行降維后應用BP神經網絡算法進行模式識別，以區分人體組織是否包裹毒品。將未包裹與已包裹海洛因的人體組織X射線散射譜經過截斷與光滑，形成一個以元素為粒子數，標號為能量的向量。該向量具有較高的維數，為了提高模式識別的有效性，采用主成分分析進行降維。將仿真得到的數據集分為訓練集與測試集，使用訓練集訓練BP神經網絡，使用測試集進行識別測試，測試結果表明，使用BP神經網絡識別包裹毒品的人體組織X射線散射譜具有較高的正確率。
人體組織包裹晶體的散射譜特征峰會產生變形、位移，使得通過X射線散射的特征峰來識別物質種類這一傳統手段無法利用在識別人體藏毒這一問題上。為此，將深度學習中處理非線性分類問題的BP神經網絡算法引入到人體組織包裹毒品的能譜識別問題中。首先應用Geant4粒子軟件搭建多色光X射線照射包裹海洛因的仿真模型，得到仿真的散射能譜數據，建立相應的數據庫；然后為了提高神經網絡訓練的效率，應用主成分分析降維搭配BP神經網絡分類，對識別人體組織是否包裹毒品的散射能譜具有較高的正確率與可靠性，應用深度學習算法來處理人體藏毒識別是可行的。
應用BP神經網絡識別能譜模式示意圖
文章來源：中國知網
文章鏈接：基于BP神經網絡算法的人體藏毒能譜識別
文字報道：何遙
文章編輯：袁偉
