物流安全檢測技術(shù)及應(yīng)用

第1章 緒論  001
1.1 物流安全檢測技術(shù)的研究背景 002
1.2 物流安全檢測技術(shù)的研究目的和意義  004
1.3 物流安全檢測方法和技術(shù)的發(fā)展及應(yīng)用現(xiàn)狀 007
1.3.1 方法和技術(shù)研究現(xiàn)狀  007
1.3.2 應(yīng)用現(xiàn)狀  016
1.4 本書主要內(nèi)容  031
參考文獻(xiàn)  032
第2章 物流安全檢測技術(shù)體系框架  039
2.1 全流程物流安全檢測技術(shù)的體系框架  040
2.2 面向在途運(yùn)輸?shù)奈锪靼踩珯z測技術(shù)方案 046
2.3 面向固定場所的物流安全檢測技術(shù)方案 048
參考文獻(xiàn)  050
第3章 基于慣性傳感的物流安全檢測技術(shù) 053
3.1 基于慣性傳感的物流安全檢測技術(shù)實(shí)現(xiàn)流程 054
3.2 基于慣性傳感的物流安全檢測的硬件終端 055
3.2.1 智能慣性傳感終端  056
3.2.2 基于振動能量收集的續(xù)航保持技術(shù)  060
3.3 基于深度學(xué)習(xí)的異常物流操作行為識別算法 082
3.3.1 加速度數(shù)據(jù)預(yù)處理（作為基于深度學(xué)習(xí)的識別算法的輸入） 083
3.3.2 CNN 095
3.3.3 CNN-LSTM  102
3.3.4 CDCE-CNN-GRU  105
3.4 基于慣性傳感的物流安全檢測云平臺  123
3.4.1 功能需求分析  123
3.4.2 云平臺界面  125
3.4.3 云平臺功能  127
參考文獻(xiàn)  128
第4章 基于圖像識別的物流安全檢測技術(shù) 135
4.1 人為異常操作行為的智能識別技術(shù)  136
4.1.1 快遞分揀人員異常行為研究  136
4.1.2 基于視頻識別的快遞分揀人員異常行為檢測算法  139
4.1.3 基于圖像識別的快遞分揀人員異常行為檢測算法  145
4.1.4 基于輕量化對抗增強(qiáng)的復(fù)雜強(qiáng)噪背景下物流違規(guī)操作檢測方法  166
4.2 貨物安檢圖像的智能判別技術(shù)  180
4.2.1 小樣本學(xué)習(xí)  181
4.2.2 小樣本學(xué)習(xí)的算法方式  183
4.2.3 多標(biāo)簽圖像標(biāo)注  189
4.2.4 多標(biāo)簽分類  190
4.2.5 使用Tensorflow構(gòu)建關(guān)系網(wǎng)絡(luò)與匹配網(wǎng)絡(luò) 193
4.2.6 基于YOLOv4算法的違禁寄遞物品識別方法 200
參考文獻(xiàn)  215
第5章 總結(jié)與展望 219
5.1 主要工作與結(jié)論  220
5.2 未來工作展望  222