来源：期刊VIP网 时间：
作者：朱磊;黄磊;张媛;程诚;
单位：北京印刷学院邮政技术研发中心;
摘要：针对快递包裹违禁物品识别存在种类繁多、依赖人力和X光图像获取难度大等问题，为提高快递包裹违禁物品识别的效率和准确度，本研究提出一种迁移学习与残差网络相结合的快递包裹X光图像识别方法（TL-ResNet18）。首先构建了相似度高的源领域数据集和目标领域数据集；其次，选用ResNet18作为预训练模型，调整初始化参数结构，并将ResNet18学习到的内容作为初始化参数迁移到目标领域，实现快递包裹X光图像分类；最后，将相同数据集作为三种模型的输入并对结果进行对比。实验结果表明，TL-ResNet18模型的局部微调和全局微调的识别准确率分别为93.5%、95.0%，相比于ResNet18模型提高了7%、8.5%，且精确度、召回率和F_1值都优于ResNet18模型，该方法性能更优，且不受小型数据集对深层网络训练的限制，有利于快递包裹X光图像识别的智能化发展。
关键词：快递包裹;;X光图像;;残差网络;;迁移学习
