计算机科学与探索

作者：生春雷, 刘成恺, 李泽龙, 卢树华

单位：中国人民公安大学 信息网络安全学院，北京 100038

关键词：X光图像,违禁品检测,状态空间模型,多残差连接池化结构,多尺度融合

基金：中央高校基本科研业务费项目（2024JKF10）。

针对X光安检图像空间多尺度变化、目标重叠遮挡以及小尺寸违禁品易漏检误检等问题，提出了一种融合全局感知与多尺度协同的YOLO-Mamba违禁品检测方法。以YOLOv10为基线，在主干部分引入门控结构感知块（GSSBlock）改进的状态空间模型，优化空间信息建模能力，有效关注关键区域特征。设计多残差连接池化结构（M-RCP）提升对全局信息和边缘信息的感知能力，更好地区分X光图像前后景，降低复杂背景信息带来的干扰。在模型颈部设计深度特征金字塔网络（DFFPN），采用双向跨尺度和多层级交互的方式加强特征融合，增强多尺度特征感知能力，改善目标漏检误检问题，其中利用双支路深度可分离卷积（DWConv）设计融合模块，拾取不同感受野的信息，有效捕捉小尺寸违禁品细节特征，同时保持较低的计算量。所提方法在OPIXray、HIXray和SIXray等3种公开数据集上进行了训练和测试，mAP50分别达到94.0%、82.9%和94.6%，较基线分别提升5.7、2.7和4.6个百分点，实验结果优于诸多先进算法，且参数量较小，较好地兼顾了检测准确率与速率，是一种性能较为优异的违禁品检测方法。

来源：2026年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第4期