为了推动物流业的智能化发展，本书深入研究了物流安全检测技术及应用：首先介绍了物流安全检测技术的背景和评估方法体系；然后详细介绍了基于惯性和图像的物流安全检测技术，这些技术能有效监测物流环境中的各种异常情况。此外，本书还对基于惯性、图像的检测方法进行了总结，为读者提供了丰富而全面的物流安全检测技术知识。通过阅读本书，读者能够深入了解物流安全检测与应用的最新研究成果和实践案例，从而加深对物流业智慧化、智能化发展的认识。
本书不仅适合机械工程、物流工程、交通运输工程、安全工程等相关学科或专业的科研人员、高校师生阅读，也可作为物流安全检测相关领域实践工作的参考用书。
第1章 绪论 001
1.1 物流安全检测技术的研究背景 002
1.2 物流安全检测技术的研究目的和意义 004
1.3 物流安全检测方法和技术的发展及应用现状 007
1.3.1 方法和技术研究现状 007
1.3.2 应用现状 016
1.4 本书主要内容 031
参考文献 032
第2章 物流安全检测技术体系框架 039
2.1 全流程物流安全检测技术的体系框架 040
2.2 面向在途运输的物流安全检测技术方案 046
2.3 面向固定场所的物流安全检测技术方案 048
参考文献 050
第3章 基于惯性传感的物流安全检测技术 053
3.1 基于惯性传感的物流安全检测技术实现流程 054
3.2 基于惯性传感的物流安全检测的硬件终端 055
3.2.1 智能惯性传感终端 056
3.2.2 基于振动能量收集的续航保持技术 060
3.3 基于深度学习的异常物流操作行为识别算法 082
3.3.1 加速度数据预处理（作为基于深度学习的识别算法的输入） 083
3.3.2 CNN 095
3.3.3 CNN-LSTM 102
3.3.4 CDCE-CNN-GRU 105
3.4 基于惯性传感的物流安全检测云平台 123
3.4.1 功能需求分析 123
3.4.2 云平台界面 125
3.4.3 云平台功能 127
参考文献 128
第4章 基于图像识别的物流安全检测技术 135
4.1 人为异常操作行为的智能识别技术 136
4.1.1 快递分拣人员异常行为研究 136
4.1.2 基于视频识别的快递分拣人员异常行为检测算法 139
4.1.3 基于图像识别的快递分拣人员异常行为检测算法 145
4.1.4 基于轻量化对抗增强的复杂强噪背景下物流违规操作检测方法 166
4.2 货物安检图像的智能判别技术 180
4.2.1 小样本学习 181
4.2.2 小样本学习的算法方式 183
4.2.3 多标签图像标注 189
4.2.4 多标签分类 190
4.2.5 使用Tensorflow构建关系网络与匹配网络 193
4.2.6 基于YOLOv4算法的违禁寄递物品识别方法 200
参考文献 215
第5章 总结与展望 219
5.1 主要工作与结论 220
5.2 未来工作展望 222
书单推荐
