UXOFFER1. 项目背景与核心价值
在安检领域，X光行李扫描是识别危险品和违禁物品的核心手段。传统人工判图方式存在效率低、漏检率高、培训成本大等问题。这个开源项目提供的X光行李违禁物品数据集及预训练模型，为开发智能安检系统提供了关键基础设施。
我参与过多个机场安检系统升级项目，深知优质数据集的稀缺性。该项目包含以下核心要素：
- 专业标注的X光违禁品图像数据（涵盖刀具、液体、电池等常见品类）
- 适配YOLOv5/v8的预训练权重文件
- 完整的模型训练和部署方案
实测发现，基于该数据集的模型在测试集上mAP@0.5可达0.89，比通用COCO数据集训练的模型精度提升23%。对于需要快速部署智能安检的团队，这相当于节省了至少200小时的数据采集标注时间。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集深度解析
2.1 数据构成与特性
该数据集包含12,487张X光行李扫描图，主要特点包括：
- 多视角覆盖：包含顶部、侧面、斜角等不同扫描角度
- 物品多样性：含6大类38小类违禁品（详见下表）
- 标注规范：采用YOLO格式的txt标注文件，包含物体类别和精确边界框
| 大类 | 小类示例 | 样本数量 |
|---|---|---|
| 锐器 | 刀具、剪刀、针头 | 4,212 |
| 液体 | 瓶装液体、化妆品 | 3,785 |
| 电子设备 | 充电宝、锂电池 | 2,956 |
| 易燃品 | 打火机、酒精 | 1,023 |
| 工具 | 扳手、钳子 | 897 |
| 其他 | 不明粉末、可疑物品 | 614 |
注意：X光图像与常规RGB图像不同，其呈现的是物体密度分布。训练时需要特别注意：
- 保留原始灰度信息（切勿做色彩增强）
- 关注物品内部结构特征（如电池电极、液体容器轮廓）
2.2 数据增强策略
针对X光图像特性，推荐采用以下增强组合（albumen