一种基于改进YOLOv11的X光安检图像危险品检测系统

本发明属于计算机视觉领域中的目标检测技术，具体涉及一种基于改进YOLOv11的X光安检图像危险品检测系统。首先将X光安检图像数据集按照6：4的比例划分为训练集与测试集，该系统基于YOLOv11架构，在主干网络结构中引入了空间和通道协同注意机制(Spatial andChannel Synergistic Attention,SCSA)，其包含可共享的多语义空间注意力(Shareable Multi‑Semantic Spatial Attention,SMSA)和渐进式通道自注意力(Progressive Channel‑wise Self‑Attention,PCSA)两部分，旨在提升X光安检图像中的危险品检测性能，有效增强模型对复杂场景的理解能力，提高了对小型目标、遮挡物体及低对比度危险品的检测精度与速度。本发明通过结合SCSA模块改进YOLOv11算法，显著提升了X光安检图像中危险品检测的精度与速度，为提升公共安全和优化安检流程提供了有力的技术支持。