RSTDResearch on Scientific and Technological Development3070-07013070-0728Art and Technology10.61369/RSTD.2026020007Article基于深度学习的安检管制物品识别研究https://artdesignp.com/journal/RSTD/1/2/10.61369/RSTD.2026020007严伟2026122026-02-20传统安检依靠人工判读 X 光图像，易受疲劳、物品遮挡与伪装影响，出现漏检、误检，难以满足现代安检高效精准的需求。本文基于深度学习构建安检管制物品识别方法，以 YOLOv8 为核心检测模型，通过数据预处理、超参数调优与损失函数改进完成模型训练与优化。实验结果表明，该模型在测试集上准确率达 75.2%，召回率为 57.2%，可在复杂场景下有效识别管制物品，提升安检效率与检测精度，为公共安全智能化提供技术支撑。深度学习,YOLOv8,管制物品识别,X 光安检,目标检测

[1] 杨子固. 基于深度学习的X 光安检图像危险品识别方法研究[D]. 太原理工大学,2021.DOI:10.27352/d.cnki.gylgu.2021.000167.[2] 朱昊. 基于深度学习的X光安检违禁品检测算法研究[D]. 东北林业大学,2024.[3] 杨钧彦. 基于深度学习的安检危险物品识别技术研究[D]. 杭州电子科技大学,2024.[4] 叶亚林, 谢连军, 高丙朋, 等. 改进YOLOv7-Tiny的X射线安检违禁品检测[J].科学技术与工程,2024,24(26):11349-11357.[5] 钟健. 基于卷积神经网络的安检X光图像检测识别方法研究[D]. 江西理工大学,2024.DOI:10.27176/d.cnki.gnfyc.2024.000405.[6] 黄显宁. 基于深度学习的X光透射图像安检违禁品检测研究[D]. 云南师范大学,2024.DOI:10.27459/d.cnki.gynfc.2024.001077.[7] 周泽玮. 基于深度学习的X光安检违禁品检测研究[D]. 广州大学,2024.DOI:10.27040/d.cnki.ggzdu.2024.000549.