“綠色通道”作為國家重要的惠農(nóng)政策,不但保障農(nóng)產(chǎn)品市場供應,更促進了農(nóng)村地區(qū)經(jīng)濟發(fā)展。然而,隨著此項政策的深入實施,綠通車管理中遇到的問題也逐漸暴露。綠通車數(shù)量大幅增長,部分貨車司機在利益誘惑驅使下,將非綠通車輛偽裝成綠通車逃避通行費,給車輛檢查工作帶來了挑戰(zhàn)。同時,收費站檢查工作無標準、不規(guī)范導致綠通車圖像數(shù)據(jù)質量差,為后續(xù)的稽查工作增加了難度。論文在調研分析綠通車過站檢查工作需求的基礎上,設計了融合圖像識別、目標檢測等技術的圖像分類模型對檢查員拍攝的車輛圖像進行有效性自動判別,提高圖像數(shù)據(jù)庫質量。同時對車輛類型進行分類識別,并研究不同類型綠通車作弊情況為差異化檢查提供數(shù)據(jù)支撐。首先,論文通過對綠通車管理現(xiàn)狀的實地調研,研究了綠通車圖像數(shù)據(jù)特征并對綠通車圖像無效的類型及產(chǎn)生原因進行分析。在此基礎上,使用圖像質量主觀評價方法,制定了綠通車圖像有效性的人工判定標準,并以此標準制作數(shù)據(jù)標簽為圖像有效性分類識別模型的訓練提供數(shù)據(jù)支持。其次,結合綠通車圖像數(shù)據(jù)特征設計了以卷積神經(jīng)網(wǎng)絡為核心的圖像分類模型,包括圖像分類模塊及圖像預處理模塊。圖像預處理部分,針對高速公路綠通車管理平臺數(shù)據(jù)庫中綠通車... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

人工檢查拍攝圖像示例

放射源檢查中的綠通車圖像

電子運單檢查圖像示例

【參考文獻】：
期刊論文
[1]樸素貝葉斯分類算法應用研究[J]. 郭勛誠.  通訊世界. 2019(01)
[2]基于YOLO網(wǎng)絡的數(shù)據(jù)采集與標注[J]. 殷帥,胡越黎,劉思齊,燕明.  儀表技術. 2018(12)
[3]基于樸素貝葉斯與半樸素貝葉斯圖像識別比較[J]. 劉闖.  信息技術與網(wǎng)絡安全. 2018(12)
[4]基于YOLO模型的紅外圖像行人檢測方法[J]. 譚康霞,平鵬,秦文虎.  激光與紅外. 2018(11)
[5]KNN算法綜述[J]. 竇小凡.  通訊世界. 2018(10)
[6]基于卷積神經(jīng)網(wǎng)絡的車輛型號識別研究[J]. 郜雨桐,寧慧,王巍,趙梓成,孫煜彤.  應用科技. 2018(06)
[7]基于多尺度特征融合CNN模型的車輛精細型號識別[J]. 劉廷建,顧乃杰,張孝慈,林傳文.  計算機工程與應用. 2018(18)
[8]可視質量評價方法綜述[J]. 朱秀昌,唐貴進.  南京郵電大學學報(自然科學版). 2018(04)
[9]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[10]基于卷積神經(jīng)網(wǎng)絡的小樣本圖像識別方法[J]. 段萌,王功鵬,牛常勇.  計算機工程與設計. 2018(01)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的表情識別研究[D]. 陳航.南京郵電大學 2018
[2]基于雙目視覺的車輛尺寸測量技術研究[D]. 王潛.南京郵電大學 2018
[3]基于BP神經(jīng)網(wǎng)絡Bagging集成的高速公路綠通車稽查模型研究[D]. 申長春.長安大學 2018
[4]基于智能手機應用數(shù)據(jù)的用戶屬性挖掘[D]. 陶建容.浙江大學 2017



本文編號：2992887