基于注意力机制融合被动太赫兹与热红外成像的双光谱隐蔽物体检测技术研究

为解决隐蔽物体检测(COD)中单一成像模态在分辨率、穿透深度和光谱特性上的局限性，波兰军事技术大学的研究团队创新性地提出AFCOD-CNN算法。该研究通过注意力机制融合被动太赫兹(THz)和热红外(TIR)成像特征，在3米距离实现92.34%的平均准确率(ACC)和91.12%的检出率(DR)，首次证实双模态成像在安检领域的协同优势。这项发表于《Engineering Applications of Artificial Intelligence》的成果，为新一代非侵入式安检系统开发提供了重要技术支撑。

　　

在机场安检、重要场所安保等场景中，传统X光扫描存在电离辐射风险，毫米波成像对非金属物品灵敏度不足，单一模态的隐蔽物体检测技术始终面临"穿透力-分辨率"的权衡困境。太赫兹(THz)波能穿透衣物但成像模糊，热红外(TIR)可呈现清晰热轮廓却受温度均衡影响。如何整合两种成像优势，成为提升安检效能的关键科学问题。

波兰军事技术大学Marcin Kowalski团队在《Engineering Applications of Artificial Intelligence》发表的研究，构建了AFCOD-CNN（注意力融合隐蔽物体检测卷积神经网络）系统。通过双摄像头同步采集THz（0.25THz±20GHz）和LWIR（7.7-11.5μm）图像，采用改进的ResNet-50双通道特征提取，创新性地引入跨模态注意力权重矩阵，最终在包含18,000张图像的实验数据集中实现零误报率下的超高检测精度。这项突破不仅首次证实被动THz/TIR协同检测可行性，更为智能安检装备研发提供了新范式。

研究采用三大关键技术：① 双光谱同步采集系统（THz NETD 1K，TIR NETD 50mK）；② 基于匈牙利损失函数的Transformer架构，处理2048维融合特征；③ 5折交叉验证策略（训练-验证-测试集比例7:1:2）。实验设置严格模拟真实场景：3-5米距离、6类衣物材质、5种隐蔽物品（含金属/陶瓷刀具），每30分钟记录温度动态平衡过程。

【检测性能】跨模态注意力机制显著提升小目标识别能力。在3米距离检测金属手枪时，IoU达0.920（羊毛衫）至0.905（夹克），较单模态YOLOv3提升11%。特别值得注意的是，对厚度敏感的陶瓷刀具，在30分钟实验末段仍保持0.853 IoU，证明双光谱融合能有效延缓热平衡导致的性能衰减。

【分类效能】特征互补性使分类准确率突破单模态瓶颈。多层衣物下的金属枪械分类ACC达97.7%（30分钟时），而传统TIR单模态在同等条件下平均下降7%。研究首次发现THz特征权重随时间呈线性增长（R²=0.89），揭示出温度均衡阶段模态贡献的动态变化规律。

【工程验证】研究团队特别考察了实际部署中的关键参数：① 处理速度达1000fps（NVIDIA A100 GPU）；② 在5米距离时，尽管THz信噪比下降导致性能降低17%，但通过注意力机制调整特征权重，仍维持81.76%平均ACC，展现出良好的环境适应性。与PMMW-DETR等最新算法相比，AFCOD-CNN在同等计算复杂度下将AP₅₀提升4.2个百分点。

这项研究开创性地证实了被动THz/TIR双光谱成像在安检领域的实用价值。通过注意力机制实现的动态特征融合，既保留了THz对非金属物的穿透优势（织物透射率89.05%），又结合了TIR的高空间分辨率（640×512像素）。研究者特别指出，该系统的性能边界受限于THz信号强度（250GHz时辐射亮度仅8.28×10^-33 W/sr·m²），未来可通过超导探测器进一步突破检测极限。该技术路线为发展非电离、全自动智能安检系统提供了明确的技术路径，在反恐防暴、海关缉私等领域具有重大应用前景。