基于卷积神经网络的煤炭运载车辆识别

摘要：

为了杜绝或避免矿产品资源如煤炭、砂石矿等行业因不开票而导致偷税漏税现象的发生,利用深度卷积神经网络自动识别空车重车是一种有效途径.本文在AlexNet模型基础上,针对空车重车图像的差异性,提出5种改进思路,最终得到一种基于maxout+dropout的6层卷积神经网络的结构.对34220张空车重车图片的测试结果表明,模型在准确度、敏感度、特异性、精度等方面都取得了良好的效果.此外,模型还具有高度的鲁棒性,可以成功识别大量不同角度和不同场景的空车重车图像.

关键词：空车重车识别、深度学习、卷积神经网络、AlexNet、maxout

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省自然科学基金2019CFB757

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：219-223