تحسين YOLOv8 لكشف المواد الخطرة في صور الأشعة السينية الأمنية

تواجه صور الأشعة السينية الأمنية تحديات كبيرة بسبب الخلفيات المعقدة، تداخل العناصر، وكشف الأهداف متعددة المقاييس. غالباً ما تكافح الأساليب التقليدية لتحديد الأجسام بدقة، خاصةً في الظروف الفوضوية. تقدم هذه الورقة نموذج كشف متقدم، يسمى YOLOv8n-GEMA، والذي يدمج عدة تحسينات لمعالجة هذه القضايا. أولاً، يتم استخدام وحدة الشبكة المجمعة الفعالة العامة (GELAN) لتعزيز قدرات دمج الميزات. ثانياً، لمعالجة مشاكل التداخل والانسدادات في صور الأشعة السينية، يتم استخدام وحدة الانتباه المتعدد المقاييس الفعالة (EMA)، التي تدير بفعالية التقاط الميزات والاعتماد المتبادل بين العناصر المتداخلة، مما يعزز قدرة النموذج على الكشف في مثل هذه السيناريوهات. أخيراً، ومعالجة أحجام العناصر المتنوعة في صور الأشعة السينية، تستخدم دالة خسارة Inner-CIoU صناديق محيطية مساعدة بمعدلات مقاييس مختلفة لحساب الخسارة، مما يضمن توقعات أسرع وأكثر فاعلية لصندوق المحيط. تم اختبار نموذج YOLOv8 المحسن على مجموعات البيانات العامة SIXRay وHiXray وCLCXray وPIDray، حيث بلغت الدقة المتوسطة لمعدل الدقة (mAP) للنموذج المحسن 94.4% و82.0% و88.9% و85.9% على التوالي، مما يظهر تحسينات بنسبة 3.6% و1.6% و0.9% و3.4% عن نموذج YOLOv8 الأصلي. تظهر هذه النتائج فاعلية وعمومية الطريقة المقترحة. مقارنة بالنماذج الحالية الرائجة لكشف المواد الخطرة في صور الأشعة السينية، يقلل هذا النموذج بشكل كبير من معدل الكشف الخاطئ للمواد الخطرة في صور الأشعة السينية الأمنية ويحقق تحسينات كبيرة في كشف الأهداف المتداخلة ومتعددة المقاييس، مما يحقق دقة أعلى في كشف المواد الخطرة.