近年来，世界各地利用人体藏毒以进行毒品走私的现象十分严重，准确、快速地检测出人体组织包裹的毒品是一项亟待解决的难题。在现今所有已知的毒品探测方法中，基于能量色散的X射线衍射(Energy dispersive X-ray scattering， EDX RS)技术被证明是一种合适的方法，该方法具有无损、无创、低成本和高分辨率的特点。选取海洛因作为毒品的代表，对由Geant4软件仿真得到的进入探测器的所有粒子能量进行统计，得到每种能量所对应的粒子数，从而可以产生一个m×1维的能谱向量。对于海洛因这类晶体，Bragg散射其X射线能谱会存在特征峰，通过识别特征峰的位置可以判定晶体的种类，从而完成毒品识别。由于人体组织的包裹，其特征峰会出现峰移、宽化、变形，使得通过特征峰无法识别物质种类。而BP神经网络具有较好的非线性分类能力，可利用其进行人体藏毒的精准识别。

应用Geant4软件搭建能量色散X射线照射包裹毒品人体组织的仿真模型，对得到能谱数据进行降维后应用BP神经网络算法进行模式识别，以区分人体组织是否包裹毒品。将未包裹与已包裹海洛因的人体组织X射线散射谱经过截断与光滑，形成一个以元素为粒子数，标号为能量的向量。该向量具有较高的维数，为了提高模式识别的有效性，采用主成分分析进行降维。将仿真得到的数据集分为训练集与测试集，使用训练集训练BP神经网络，使用测试集进行识别测试，测试结果表明，使用BP神经网络识别包裹毒品的人体组织X射线散射谱具有较高的正确率。

人体组织包裹晶体的散射谱特征峰会产生变形、位移，使得通过X射线散射的特征峰来识别物质种类这一传统手段无法利用在识别人体藏毒这一问题上。为此，将深度学习中处理非线性分类问题的BP神经网络算法引入到人体组织包裹毒品的能谱识别问题中。首先应用Geant4粒子软件搭建多色光X射线照射包裹海洛因的仿真模型，得到仿真的散射能谱数据，建立相应的数据库；然后为了提高神经网络训练的效率，应用主成分分析降维搭配BP神经网络分类，对识别人体组织是否包裹毒品的散射能谱具有较高的正确率与可靠性，应用深度学习算法来处理人体藏毒识别是可行的。

应用BP神经网络识别能谱模式示意图

文章来源：中国知网

文章链接：基于BP神经网络算法的人体藏毒能谱识别

文字报道：何遥

文章编辑：袁伟