基于卷积神经网络的船载货种识别

针对复杂环境下识别大规模船载图像耗时费力问题,通过对卷积神经网络不同的卷积核大小和层数性能分析,提出了对卷积神经网络的改进思路。该网络以原始图像为输入,自动提取图像特征,输出为船载的货物种类。为了提高识别准确率,在对图像进行均值归一化、缩放、灰度化等预处理的基础上,通过旋转图片操作扩充训练集样本;接着对网络前三层特征图进行可视化分析,最后对网络权值和偏置参数以及准确率进行分析研究。结果表明,该算法的测试准确率可达到85%左右。该方法能够满足复杂环境下船载货种识别要求。船载货种类型识别是航闸管理人工核查的基础,货种自动识别的应用将大大提高航闸管理效率。