为快速准确的识别并定位安检图像中的危险品,本文对Faster RCNN算法进行改进提出一种实时检测并定位危险品的方法,并应用于安检机系统.根据目前的安检机的使用情况,设计并实现了基于深度学习的安检图像识别系统和安检设备客户端显示程序.系统主要设计思路为:准备数据集,应用Caffe框架搭建Faster RCNN模型,对模型进行训练得到一个识别率较高的模型,然后利用训练好的模型进行测试,输入安检图像,输出图像中危险物品的种类和位置.在安检机中安装基于深度学习的安检图像识别定位系统,通过网络连接把收到的安检图像传输到安检上位机,上位机调用安检图像识别定位系统完成物品的显示识别和定位.实验结果表明,系统拥有很好的实时检测的能力,尤其是小目标危险品的检测效果,极大地提高安检的效率.