Multidisciplinary Journal of Science and Technology

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РЕНТГЕНОВСКОМ ДОСМОТРЕ БАГАЖА ДЛЯ ТАМОЖЕННОГО КОНТРОЛЯ: ОБЗОР СОВРЕМЕННЫХ ВОЗМОЖНОСТЕЙ И ВЫЗОВОВ

Ибрахимов Улугбек

Начальник учебной лабаратории технических средств таможенного контроля Таможенного института

Keywords: искусственный интеллект, машинное обучение, рентгеновский досмотр, таможенный контроль, глубокое обучение, контрабанда, безопасность, автоматическое обнаружение угроз, Explainable AI (XAI), федеративное обучение.

---

Abstract

В условиях экспоненциального роста международных пассажирских и товарных потоков

традиционные методы таможенного контроля достигают пределов своей эффективности.

Человеческий фактор, включающий усталость, ограниченные когнитивные возможности и

субъективность восприятия, снижает качество выявления угроз при рентгеновском досмотре

багажа. Настоящая статья представляет собой системный обзор современных подходов к

применению искусственного интеллекта (ИИ) в автоматизации анализа рентгеновских

изображений для нужд таможенного контроля. В работе рассмотрены ключевые технологии

глубокого обучения (CNN, 3D-CNN, R-CNN), методы активного обучения с участием человека

(Human-in-the-Loop), а также перспективы внедрения объяснимого ИИ (XAI) и федеративного

обучения (Federated Learning). Особое внимание уделено практическим аспектам:

автоматизированному выявлению наркотических веществ, валюты, драгоценных металлов,

оружия и иных запрещённых товаров. На основе анализа международного опыта (TSA, BAG

INTEL, Intelligent Customs Inspection в Китае) определены преимущества внедрения ИИ:

повышение точности и скорости досмотра, снижение нагрузки на инспекторов и развитие

аналитических возможностей. Отдельно рассмотрены вызовы: высокая частота ложных

срабатываний, правовые ограничения, вопросы приватности и угрозы кибербезопасности.

Сделан вывод, что дальнейшее развитие технологий ИИ в таможенной сфере требует

международной стандартизации, разработки прозрачных алгоритмов (XAI) и комплексной

интеграции в цифровые «умные» коридоры

---

References

Smiths Detection. (2023). Smiths Detection to develop narcotics detection algorithm

(BAG-INTEL Project, Horizon Europe).

2. Cao, Q., Zhang, Y., & Li, W. (2024). Application of Artificial Intelligence Technology in

the Supervision of Customs Clearance Machine Inspection. World Customs Journal.

3. ICAO. (2023). Annual Report of the Council: The ICAO and the Future of Civil Aviation.

International Civil Aviation Organization.

4. World Customs Organization (WCO). (2022). Illicit Trade Report. Brussels: WCO.

5. Kim, S., Mai, T. D., Han, S., Park, S., Nguyen Duc Khanh, T., So, J., & Cha, M. (2020).

Active Learning for Human-in-the-Loop Customs Inspection. arXiv preprint. arXiv:2010.14282.

6. Vukadinovic, D., & Anderson, D. (2022). X-ray baggage screening and AI: A technical

review of machine learning techniques for X-ray baggage screening. JRC Science for Policy

Report, EUR 31123 EN. Publications Office of the European Union.

7. Singh, K., Tsai, Y.-C., Li, C.-T., Cha, M., & Lin, S.-D. (2023). GraphFC: Customs Fraud

Detection with Label Scarcity. arXiv preprint. arXiv:2305.11377.

8. United Nations Office on Drugs and Crime (UNODC). (2023). World Drug Report 2023.

United Nations Publication