基于特征融合卷积神经网络的车型精细识别

为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进行特征融合,实现车型的精细识别。相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模。在基准数据集CompCars下进行大量实验的结果表明,该方法的识别精度可达98.94%,模型参数大小仅为4.9 MB。     

元宝山露天矿合理工作线长度的研究

为了确定元宝山露天矿的合理工作线长度,采用理论分析方法进行了工作线长度设计,针对元宝山露天煤矿半连续工艺实际,考虑元宝山露天煤矿年生产能力由8.00 Mt/a核增至12.00 Mt/a的工程背景,进行了正常推进时期合理采煤工作线长度、正常推进时期合理剥离工作线长度和产能规模及技术可行确定合理工作线长度的计算,并最终确定了合理的工作线长度。研究结果表明:工作线长度410 m为最优工作线长度,可确保煤矿企业的设计生产的产量规模和控制较低的工程建设费用。