AlexNet网络的井下钻杆打钻动作识别

由于目前煤矿井下钻杆计数效率低下且极易出错,因此本文提出一种基于AlexNet网络煤矿井下钻杆打钻动作识别的方法。本文对原AlexNet网络的拓扑结构和参数进行修改、调整,并通过MATLAB进行仿真实验对比,最终确定其最优的拓扑结构和参数。通过实验发现,神经网络深度为2层,卷积核个数为16,卷积核大小为5*5,步长为2,激活函数为Relu,学习率为0.001,最大学习整个数据集的次数为5,调整后的AlexNet网络模型分类检测平均准确率可达99.37%。