要解釋這個問題，還要從X光圖像的生成過程說起。
01 從探測器信號到RGB圖像
在安全檢查中，乘客將行李放置在安檢機傳送帶上，行李隨著傳送帶進入安檢機內部，觸發射線源發射 X 射線束，X 射線束穿透行李包裹落到探測器上，探測器將采集到的射線光子轉換成可測量的高低能數據，經復雜處理和運算后生成RGB安檢圖像。
在安檢圖像生成過程中，不同型號、不同使用年限的探測器輸出的數據不同，不同安檢機品牌的數據處理、圖像處理、幾何矯正和上色方案不同，這些都會帶來X光圖像的巨大差異。
02 圖像差異與模型識別的噩夢
不同X光安檢機生成的圖像在配色、像素、幾何形變等方面都存在差異。而對于深度學習模型來說，在顏色、形狀等關鍵信息上略有差異的圖像可能是完全不同的兩張圖，需要重新進行學習。
深度學習模型缺乏足夠的泛化能力，難以識別差異很大的圖像，因此X光圖像差異會導致模型學習效率低下，模型訓練困難，識別準確率難以提升等問題。
03 安檢機底層數據識別方案的優勢
針對X光圖像差異帶來的智能識別難題，海深科技首創了安檢機底層數據識別方案，通過獲取安檢機底層數據進行建模和識別。
這種方案的優勢在于各個品牌安檢機的底層數據差異小且容易標定，可經過處理形成統一標準的X光圖像，更易于深度學習模型進行學習和識別，從而能夠大幅提升模型訓練的效率，有效提高模型識別準確率，徹底解決系統兼容性、適配性難題，且能夠準確識別各種液體成分。
