本文主要研究内容
作者毕林,李亚龙,郭昭宏（2019）在《基于深度卷积神经网络的卡车装载矿石量估计研究》一文中研究指出：卡车装载矿石量一般采用人工方式进行统计,人工统计不具有客观性,可能影响卡车司机的绩效考核;此外还有使用激光扫描技术或地磅对装载矿石量进行精确统计,但设备成本过高。为节约成本并提高测量精度,研究采用基于深度卷积神经网络的技术实现卡车装载矿石量的估计。由于实际场景下矿车装载矿石的图片不便获取,故使用三维物理引擎Chrono模拟矿石堆落入卡车的过程,从而生成装载矿石量和矿石分布区域均不同的卡车图片。通过构建深度卷积神经网络对生成的样本进行拟合,用最后一层神经元的预测值与真实值的欧式距离作为代价函数。然后,对卷积核与特征图进行可视化,分析卷积神经网络实现矿石量估计的过程。试验结果表明,构建的深度卷积神经网络在实验测试集上的准确度较好,测试样本预测误差大部分在4%以内。说明用深度学习技术实现自然场景下卡车装载矿石量的估计切实可行,且具有较好的应用前景。
Abstract
ka che zhuang zai kuang dan liang yi ban cai yong ren gong fang shi jin hang tong ji ,ren gong tong ji bu ju you ke guan xing ,ke neng ying xiang ka che si ji de ji xiao kao he ;ci wai hai you shi yong ji guang sao miao ji shu huo de bang dui zhuang zai kuang dan liang jin hang jing que tong ji ,dan she bei cheng ben guo gao 。wei jie yao cheng ben bing di gao ce liang jing du ,yan jiu cai yong ji yu shen du juan ji shen jing wang lao de ji shu shi xian ka che zhuang zai kuang dan liang de gu ji 。you yu shi ji chang jing xia kuang che zhuang zai kuang dan de tu pian bu bian huo qu ,gu shi yong san wei wu li yin qing Chronomo ni kuang dan dui la ru ka che de guo cheng ,cong er sheng cheng zhuang zai kuang dan liang he kuang dan fen bu ou yu jun bu tong de ka che tu pian 。tong guo gou jian shen du juan ji shen jing wang lao dui sheng cheng de yang ben jin hang ni ge ,yong zui hou yi ceng shen jing yuan de yu ce zhi yu zhen shi zhi de ou shi ju li zuo wei dai jia han shu 。ran hou ,dui juan ji he yu te zheng tu jin hang ke shi hua ,fen xi juan ji shen jing wang lao shi xian kuang dan liang gu ji de guo cheng 。shi yan jie guo biao ming ,gou jian de shen du juan ji shen jing wang lao zai shi yan ce shi ji shang de zhun que du jiao hao ,ce shi yang ben yu ce wu cha da bu fen zai 4%yi nei 。shui ming yong shen du xue xi ji shu shi xian zi ran chang jing xia ka che zhuang zai kuang dan liang de gu ji qie shi ke hang ,ju ju you jiao hao de ying yong qian jing 。
论文参考文献
论文详细介绍
论文作者分别是来自黄金科学技术的毕林,李亚龙,郭昭宏，发表于刊物黄金科学技术2019年01期论文，是一篇关于矿石量估计论文,人工智能论文,深度学习论文,卷积网络论文,物理引擎论文,黄金科学技术2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自黄金科学技术2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：矿石量估计论文; 人工智能论文; 深度学习论文; 卷积网络论文; 物理引擎论文; 黄金科学技术2019年01期论文;