随着全球经济一体化的不断深入,国际经济、文化交流日趋频繁,基于X射线的检验检疫安检工作量也不断增加,目前检验检疫的安全检查工作主要还依赖于工作人员对安检图像进行人工排查,利用安检图像自动检测和识别违禁物,可减轻工作人员的工作量,经济有效地防止高检疫风险类物质进入我国境内。本文基于多能X射线安检图像,对违禁物品进行特征提取,利用神经网络实现对目标违禁物的自动识别,初步建立一套针对检疫高风险性违禁物品的自动识别方案。同时,针对传统X射线安检图像中物体相互遮挡问题,提出一种新型的多视角X射线安检设备模型以及其重建算法,对多个视角下X射线安检图像进行不完全角度重建,重建出被检测物体的三维空间信息。通过模拟实验证明,本文提出的多视角X射线安检模型以及其重建算法,能够有效改善安全检查中的物体遮挡问题,在控制成本的同时,保证图像质量,提高自动识别率。本文的创新点主要在于针对检疫高风险性违禁物品的自动检测和识别展开研究,同时提出了一种新型多视角X射线安检模型以及其重建算法,并验证了其对于X射线安检图像重叠与遮挡问题的有效性。