陈蓉蓉 吴志平 方成俊 李燕 潘迎芬 余晓薇 王佳莹 李建勇

陈蓉蓉 ¹ 吴志平 ² 方成俊 ^{3 *} 李 燕 ⁴ 潘迎芬 ³ 余晓薇 ³ 王佳莹 ⁵ 李建勇 ⁶

摘 要 为在确保口岸高效通关的同时精准查处“异宠”非法入境问题，本研究针对“异宠”是活体动物这一特性，探索构建了一种智能“异宠”活体检测仪。该检测仪搭载的系统采用斜向俯视的双雷达配置，可捕捉微小至零点几毫米的呼吸位移。基于检测仪建立的双重决策机制，恒虚警算法（Constant False Alarm Rate，CFAR）与专用神经网络的协同工作实现了对微弱生命信号的准确识别。测试结果显示，检测仪在维持95%以上检出率的同时，误报率控制在3%以下，整体通过效率较传统CT机提升40%～50%，为国门生物安全监管提供了新的技术手段。

关键词 毫米波雷达；生命信号识别；神经网络；点云数据

A Preliminary Analysis of the Development and Application of Intelligent Detection Devices for Live “Exotic Pets”

CHEN Rong-Rong¹ WU Zhi-Ping² FANG Cheng-Jun^3* LI Yan⁴

PAN Ying-Fen³ YU Xiao-Wei³ WANG Jia-Ying⁵ LI Jian-Yong⁶

Abstract To accurately intercept the illegal entry of “exotic pets” while ensuring efficient and rapid customs clearance, this study explores the development of an intelligent live detection device for “exotic pets”, taking into account their characteristics as live animals. The system integrated into this device employs a dual-radar configuration with an oblique top-down view, capable of detecting respiratory displacements as subtle as a fraction of a millimeter. Based on the dual decision-making mechanism established in this system, the collaboration between the Constant False Alarm Rate (CFAR) algorithm and a dedicated neural network enables the accurate identification of weak vital signs. Test results demonstrate that the device maintains a detection rate of over 95% while keeping the false positive rate below 3%. Overall, it improves passage efficiency by 40% to 50% compared to traditional CT machines, offering a new technological solution for national biosecurity supervision.

Keywords millimeter-wave radar; vital sign detection; neural network; point cloud data

基金项目：海关总署科研项目（2024HK057）；厦门海关科研项目（2023XK09）

第一作者：陈蓉蓉（1983—），女，汉族，山西交城人，硕士，副高级工程师，主要从事动植物检验检疫工作，E-mail: 66311686@qq.com

通信作者：方成俊（1974—），男，汉族，福建云霄人，本科，副高级工程师，主要从事实验室检测检疫管理工作，E-mail: 2433855436@qq.com

1. 厦门海关 厦门 361011

2. 厦门邮局海关 厦门 361006

3. 东山海关综合技术服务中心 漳州 363401

4. 中国计量大学 杭州 310018

5. 宁波海关技术中心 宁波 315100

6. 济南海关技术中心 济南 350014

1. Xiamen Customs, Xiamen 361011

2. Xiamen Post Office Customs, Xiamen 361006

3. Dongshan Customs Comprehensive Technical Service Center, Zhangzhou 363401

4. China Jiliang University, Hangzhou 310018

5. Ningbo Customs Technology Center, Ningbo 315100

6. Jinan Customs Technology Center, Jinan 350014

近年来，外来物种非法入境案件时有发生，尤其是昆虫类“异宠”，其因体积小、肢体活动微弱易于隐匿于包裹中，且体温与环境基本一致，从而难以被检出。“异宠”入侵会破坏本土生态系统，且防治困难，将对我国造成巨大经济损失^[1]。

2021年以来，全国海关持续开展“国门绿盾”专项行动^[2]。2023年中央一号文件明确指出，严厉打击非法引入外来物种行为，实施重大危害入侵物种防控攻坚行动，加强“异宠”交易与放生规范管理^[3]。

为进一步强化外来物种监管力度，厦门海关基于CT智能审图系统^[4]的实践经验，联合地方科研单位研发智能“异宠”活体检测仪^[5-6]。该检测仪利用毫米波技术穿透包装材料的优势，结合先进的多普勒效应和微动谱分析算法，能够精确捕捉包裹内动物微小的呼吸和心跳引起的表面微动变化，实现对微弱生命信号生物的高灵敏度、非接触式检测。经过测试，检测仪的检测准确率可达95%以上，自动化处理效率比传统方式提高了4倍，且能够在不开包的情况下完成筛查，显著降低人力投入。本研究将为监管部门打击非法活体走私提供强有力的科技支撑。

1 技术原理与技术路线

1.1 技术原理

1.1.1 天线原理

检测仪的技术架构包含3个核心环节：信号发射、信号接收和信号处理。信号发射环节，二维高分辨率波导印制板集成天线^[7]通过其高效的辐射特性和低损耗波导结构，产生高质量的毫米波信号；信号接收环节，小型化收发集成天线利用其多层印制板结构和类腔体设计，接收目标反射的微弱信号；信号处理环节，完成对接收信号进行滤波、放大和频谱分析，提取微动特征。

检测仪利用二维高分辨率波导印制板集成天线发射76～81 GHz频段的毫米波电磁信号，当信号捕获到零点几毫米级微小运动特征的目标时，反射信号会因目标的微动产生频率变化，通过数据处理识别信号类型。

二维高分辨率波导印制板集成天线专为提高雷达空间分辨率而研发，天线采用“异质集成”设计理念，主体由发射天线阵列、接收天线阵列、印制板结构和可拆卸连接设计组成。其发射天线阵列由多个波导缝隙天线单元构成，独特的阶梯形式布阵显著提高了雷达在俯仰方向的角度分辨率；而接收天线阵列同样采用波导缝隙天线单元，但采用水平布阵形式，与发射阵列形成互补结构，共同增强检测仪的探测能力。印制板结构包含精心设计的基板，其上刻蚀有矩形馈电窗口，馈电线段两侧设置的金属化过孔形成了基片集成波导，有效降低了信号传输损耗。整个天线通过定位销和螺钉实现波导与印制板的异质集成，这种可拆卸连接设计大大提高了检测仪维护的便捷性。

1.1.2 毫米波雷达微动生命信号特征提取原理

微型冷血动物的生命特征表现为呼吸产生的身体微动，活体生物气管松弛与收缩不断交替进行组成了呼吸运动，从而产生毫米级的微小起伏，采用工作频率为76～81 GHz的毫米波雷达探测能够检测小至0.2 mm的微动，从而评估活体生命是否存在。

微动目标的雷达微弱生命信号特征提取分为生命特征信号提取与呼吸信号分离，从而在中频信号中得到频率特征。中频信号即为雷达收发信号的混频结果。阳性样本为典型微弱生命样本，如锹甲、扁锹、马达加斯加发声蟑螂以及黄粉虫等，阴性样本为无生命样本。

1.2 技术路线

本研究采用基于双重决策机制的毫米波雷达活体检测架构，其技术路线如图1所示。通过构建一套精密闭环的技术体系，实现从信号获取到智能感知的全流程贯通。

初始阶段部署双通道毫米波雷达采集，两侧雷达呈斜向俯视角度布置，精准捕捉微弱生命体征引起的微动变化。

通过相位解缠绕、去趋势处理和低通滤波等预处理技术，有效滤除环境噪声并显著提升信噪比；继而应用恒虚警算法（Constant False Alarm Rate，CFAR）与专用神经网络相结合的双重决策机制，实现微弱生命信号的精确识别与分类。

通过通道交叉学习和数据增强策略，针对性解决微弱生命信号漏报与非生命信号误报等问题，大幅增强检测仪在复杂场景下的泛化能力。

整个技术方案遵循“信号采集—数据预处理—双重决策—性能优化”的逻辑递进关系，实现了闭环自强化、各环节有机衔接和相互赋能。

2 双专家模型综合检验系统

双专家模型综合检验系统的核心由2个毫米波雷达传感器、一套数据处理单元和决策系统组成，通过高精度探测生命活体的微弱呼吸运动，实现非接触式、无损伤的活体检测。然而，在实际应用中，系统面临两个突出的技术难点：弱阳性信号容易被漏检（生命活体特征不明显但确实存在）和弱阴性信号导致的高误报率（非活体信号却表现出类似活体特征）。这两类边界案例严重影响了系统的可靠性和实用价值。

系统采用2个毫米波雷达分别固定于样品的左右两侧上方位置，以斜向俯视的角度发射雷达波。这种斜向俯视的角度能够使雷达波穿透包装材料，减少表面反射干扰，同时增加对内部生物体的检测深度。斜向布局显著扩大了检测覆盖范围，能够探测更大面积的样品表面；同时斜向入射角度有效减少了直接反射干扰，使接收信号更加稳定精确；左右双雷达配置则形成立体感知效果，提供样品的三维信息，尤其适合结构复杂的样品检测。雷达的工作频率选择在76～81 GHz范围内，这一频段具有较高的分辨率，能够探测到微小至零点几毫米的位移变化，正好适合捕捉微型冷血动物呼吸引起的微弱位移。

系统的信号采集机制通过发射锯齿波脉冲并接收回波实现。每个雷达传感器采集的原始数据包含幅值与相位两种信息，通过混频得到中频信号，再经傅里叶变换获取相位和幅度随距离变化的一维数组。系统通过间隔发射多个锯齿脉冲，将这些一维数组按时间顺序排列，形成矩阵形式的幅值和相位数据。这种数据结构能够充分反映随时间变化的微动特征，为后续的特征提取和分析奠定基础。

针对弱阳性和弱阴性信号的挑战，系统实施了创新的数据增强策略。在训练阶段，系统针对性地生成了更多的边界案例样本，特别是弱阳性和弱阴性样本，使网络能够更好地识别这些难以判断的情况。数据增强技术包括添加高斯噪声（均值0，标准差0.01）模拟环境干扰、随机缩放（因子范围0.9～1.1）模拟信号强度变化、随机时间平移（±5个时间步）模拟相位偏移等方法。这些增强手段显著提高了模型对弱信号和干扰信号的区分能力，减少了因信号微弱导致的漏检和因干扰信号导致的误报。此外，系统设计了特殊的损失函数，对弱阳性样本的漏检和弱阴性样本的误判给予更高的惩罚权重，引导网络更加关注这些边界情况，进一步提升了检测性能。

系统神经网络架构包含4个专用Transformer编码器，分别处理A雷达幅值、A雷达相位、C雷达幅值和C雷达相位数据。系统实现的通道交叉学习机制使A雷达的编码器学习C雷达的数据，C雷达的编码器学习A雷达的数据，这种设计不仅增强了特征多样性，还显著提高了模型对弱阳性信号的检出能力。通过从不同角度提取特征，系统能够捕捉到单一角度可能忽略的微弱生命特征，有效减少漏报率。同时，交叉学习增强了网络对干扰信号的识别能力，提高了对弱阴性样本的正确分类，降低了误报风险。

双重决策机制是解决弱阳性和弱阴性问题的核心技术。系统首先使用CFAR进行初步分类，将信号分为阳性和阴性；随后针对不同的CFAR结果，启用不同的专用神经网络模型进行精确判断。当CFAR判断为阴性时，系统调用第一神经网络模型，该模型专门使用强阴性和弱阳性样本进行训练，其主要任务是识别出那些被CFAR漏判的微弱生命信号（弱阳性），提高检出率。神经网络通过深入分析信号的时频特性和相位变化规律，能够捕捉到传统算法难以发现的微弱生命特征，显著减少了漏报情况。

而当CFAR判断为阳性时，系统则调用第二神经网络模型，该模型使用弱阴性和强阳性样本进行训练，专注于识别和排除那些被CFAR误判的干扰信号（弱阴性），降低误报率。此模型通过学习各种非生物源干扰信号的特征模式，如机械振动、环境噪声等，能够有效区分它们与真实生命信号的细微差别，大幅降低了误报率。这种针对性的双重检测设计使系统能够同时兼顾检出率和准确率，解决了弱阳性漏检和弱阴性误报的双重难题，如图2所示。

在特征提取和融合环节，系统也针对弱阳性和弱阴性问题进行了优化。对于弱阳性信号，系统增强了对时域特征的提取，特别关注信号的周期性和连续性，这些是生命体征的关键特征；对于弱阴性信号，系统加强了对频域特征的分析，精确识别非生物源振动的频率特性。通过多层次的特征融合和位置token技术，系统能够全面评估信号的各个维度特征，形成更加全面和准确的判断。

3 测试结果

智能“异宠”活体检测仪两侧安装有毫米波雷达传感器，呈斜向俯视角度布置。待测试样品通过传送带送入待检测区域，停留2.6 s以收集标准时间长度的雷达回波数据。测试过程中避免人员走动，以减少背景干扰对测试结果的影响。为全面验证检测仪性能，将测试各种不同类型的包裹材质和内容物，评估检测仪的适应性和准确性。

3.1 实际应用测试的结果

在实际场景部署测试中，基于双通道毫米波雷达的微弱生命信号检测仪展现了显著的技术优势与应用价值。与传统CT机型相比，检测仪整体包裹通过效率提升了40%～50%，这一效率提升主要源于检测仪的自动化识别能力与高速信号处理机制。值得注意的是，由于省去了人工读图环节，检测仪不仅显著减少了人为主观因素干扰，也使检测结果呈现出更高度的标准化与稳定性，这对于大规模物流作业环境下的质量控制具有重要意义。

在检测仪性能评估方面，本研究将该检测仪与业界广泛应用的单元平均恒虚警率（Cell-Averaging-Constant False Alarm Rate，CA-CFAR）算法进行了对比测试，见表1。结果表明，在阳性样本检出率指标上，两种方法表现相近，均能有效识别明显的生命体征信号。在误报控制方面，能够将误报率控制在3%以下，表现出显著的性能稳定性。

此外，本研究还评估了包括卷积神经网络、长短时记忆网络在内的多种深度学习算法在该任务上的表现。实验数据显示，这些神经网络算法普遍存在性能偏向问题——要么过度优化阳性检出率而忽略特异性（导致高误报），要么过度减少误报而降低检出灵敏度（导致漏检）。

表1 不同技术方案的检出率对比

Table 1 Comparison of detection rates of different technical solutions

相比之下，本研究设计的基于双重决策机制的毫米波生命信号检测仪，通过恒虚警算法与专用神经网络的协同工作，成功实现了检出率与误报率的最优平衡。检测仪在保持95%以上阳性检出率的同时，将误报率控制在3%以下，表现出显著的性能稳定性。这种平衡性能在不同环境条件、不同包裹材质以及不同活体类型的测试中均得到了验证，为国门生物安全监管领域提供了一种高效可靠的技术解决方案。

3.2 口岸应用成效

2024年6月27日，首批2台（套）设备在厦门海关所属厦门邮局海关正式上线，开启试点应用。同年10月，再次投入1台（套）设备，确保该口岸入境邮件3条CT机分拣线均配备活体检测仪，实现了入境邮件100%进行活体检测。使用过程中，智能“异宠”活体检测仪的示警提示为查验关员的指令下达提供了重要科技支撑。截至2025年11月25日，智能“异宠”活体检测仪已在厦门、上海、深圳等10个直属海关部署使用，累计截获外来活体动物47种次，有效提升了非贸口岸查发“异宠”等活体动物水平。

4 结语

本研究提出的双通道毫米波雷达活体检测仪成功解决了传统检测技术的核心难点问题。检测仪通过左右双雷达的斜向俯视布局实现了立体感知，创新的双重决策机制针对性地解决了弱阳性漏检和弱阴性误报问题。在CFAR算法基础上引入专用神经网络进行二次判断，结合通道交叉学习和数据增强策略，检测仪在四类检测任务中均表现出色，克服了其他技术方案普遍存在的性能偏向性问题。

实际应用测试证明，检测仪不仅大幅提升了包裹通过效率，还消除了人工判读的不确定性，实现了检测结果的标准化和稳定化。这一技术为国门生物安全监管领域提供了高效可靠的解决方案，未来可进一步扩展至医疗监护、安防监控等领域，充分发挥毫米波雷达在非接触式生命特征检测方面的独特优势。

口岸投入使用实践证明，智能“异宠”活体检测仪实现入境邮件、快件监管场景下活体动物寄递的智能化、快速化、精确化检测，检测过程无需人工操作，具备在线连续检测和智能报警下线功能，与人工查验数据比对结果，该设备相较于人工查验检出率提高近90倍，无效开箱率下降90%以上，可有效提高海关活体动物监管的效率，降低查验劳动强度，可应用于口岸现场查验。

参考文献

[1] 李俊生, 于飞海, 赵彩霞. 生物入侵:外来入侵物种与生物多样性保护[J]. 生物多样性, 2024, 32(11): 7-10.

[2] 蔡岩红. “国门绿盾”专项行动截获外来物种8473批次[N]. 法治日报, 2022-01-28(6). DOI: 10.28241/n.cnki.nfzrb.2022.000548.

[3] 孔德晨. “神奇动物”还需规范管理[N]. 人民日报海外版, 2023-03-15(011). DOI: 10.28656/n.cnki.nrmrh.2023.000799.

[4] 李新斌, 张丽, 陈志强, 等. 行包货物实时验放CT智能解决方案[J]. CT理论与应用研究, 2022, 31(5): 597-615.

[5] 梁培, 丁凡, 李燕, 等. 一种抗干扰毫米波雷达活体检测方法: 中国, ZL202411104618.2[P]. 2024-09-13.

[6] 李燕, 唐晨飞, 梁培, 等. 基于深度学习的抗干扰毫米波雷达活体检测方法及系统: 中国, ZL202411102841.3[P]. 2024-11-15.

[7] 陈谦, 郭新月, 柴敏佳, 等. 一种二维高分辨率的波导印制板集成天线: 中国, CN202411451552.4[P]. 2024-12-24.

图1 毫米波雷达活体检测仪的技术路线

Fig.1 Technical roadmap of millimeter-wave radar live detection system

图2 双专家模型综合检验系统决策示意图

Fig.2 Schematic diagram of decision-making in the dual-expert model integrated inspection system