公开(公告)号：CN110390341B

公开(公告)日：2022-12-06

申请号：CN201910683531.8

申请日：2019-07-26

Applicant: 长安大学

Inventor： 王萍 ,  张亚杰 ,  靳引利 ,  熊文磊 ,  闫龙昊 ,  王昊琛 ,  孙铸

IPC: G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/30

Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法，包括以下步骤：步骤1，绿通车运载货物放射源图像预处理；步骤2，输入图像样本准备；步骤3，设计绿通车运载货物放射源图像识别模型；步骤4，对绿通车运载货物放射源图像识别模型进行调优；步骤5，通过对模型的训练、验证及测试，并记录训练过程中损失函数及分类准确率的变化，损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性，减轻一线查验人员工作强度。同时可提高检查效率，减少收费站拥堵情况的产生。

公开(公告)号：CN110390341A

公开(公告)日：2019-10-29

申请号：CN201910683531.8

申请日：2019-07-26

Applicant: 长安大学

Inventor： 王萍 ,  张亚杰 ,  靳引利 ,  熊文磊 ,  闫龙昊 ,  王昊琛 ,  孙铸

IPC: G06K9/46 ,  G06K9/62

Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法，包括以下步骤：步骤1，绿通车运载货物放射源图像预处理；步骤2，输入图像样本准备；步骤3，设计绿通车运载货物放射源图像识别模型；步骤4，对绿通车运载货物放射源图像识别模型进行调优；步骤5，通过对模型的训练、验证及测试，并记录训练过程中损失函数及分类准确率的变化，损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性，减轻一线查验人员工作强度。同时可提高检查效率，减少收费站拥堵情况的产生。