安检X光机需要大量经过专业训练的安检人员进行图像识别和判读。

• 人工判读X光机图像，导致X光机的处理速度受到制约，人流量密集的场景中，且场地限制布设多个安检通道的情况，为了保证确保通过流量，只能缩短缩短判读时间，导致安检标准降低，产生了极大的安全漏洞。
• 人工识别危险物品，受到知识能力和技能的限制，识别率无法保证，容易产生安全漏洞
• 现在对随身物品检查，只局限使用金属探测器，存在很大安全漏洞

深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围

从2006年开始，由于硬件运算速度的革新，尤其是GPU的广泛使用，使得基于计算密度极大的神经元网络技术为代表的AI技术飞速进步，让经过深度学习的机器具有了视觉能力。

随着图像识别准确率与速度的提高，越来越的场景开始引入该技术

将这种基于AI技术的机器视觉能力运用于安检X光机图像判读的领域里，使得安检X光机初步具备了辅助识别违禁品的能力，实现安检X光机图像判读自动化和智能化。

• 合理的标签分类与科学的人工矫正方法极大的提高了危险物品识别率。
• 利用AI实现智能检物和包裹定位，有效解放安检人员X光机图像判读的工作量，极大提高安检效率。同时，智能X光机的图像识别速度是人类的几十倍，使得X光机的扫描吞吐量成倍提高，极大加快了安检人流的吞吐量，在提高安检识别率的基础上，有效缓解安检造成的人流瓶颈。
• 建立基于人脸和语音识别的包裹和人的关联，建立数据库，建立乘客人群的行为数据模型，用以过滤异常行为人群加以重点排查。
• 建立危险品及其构件的大数据库，不断更新危险品形态和数据。
• 依托大数据实时智能预判分析危险品构件以及组成，预防分散进入的危险。
• X光机人体安检仪，随身携带物品无漏洞扫描。
• 整个系统实现配合身份识别系统，进行智能化管理和预判，实现对于日常出行乘客和异常行为人群的区别对待，减少对群众的生活干扰。