李秋彤

（长安大学工程机械学院，陕西 西安 710021）

随着社会智能化程度的不断提高，智能控制技术在工程机械控制中的运用越来越广泛，工程机械产业的智能化进程不断加快[1]。为使机群中挖掘机的协同工作效果达到最佳，需要加强对挖掘机的智能化管理和科学调度，挖掘机制造商识别系统的设计与完善，对于实现工程机械的智能化、集群化管理具有重要意义[2]。近年来，深度神经网络开始走向实用化，随着深度学习的快速发展，计算机视觉领域中各种视觉处理任务的效果得到了极大提高[3]。为了取得进一步突破，许多科研人员开始从人类视觉特性角度出发，结合额外知识表示进行图像处理[4]。本文选定Alexnet深度学习网络进行训练，通过调整模型的参数，探究特征提取网络参数改变对挖掘机生产商识别效果的影响。

1 绘制软件初步设计流程图

绘制流程图有助于更加顺利地完成课题，在正式开始软件设计流程之前，有必要先绘制软件设计流程图，软件初步设计流程图如图1所示。

图1 软件初步设计流程图

2 图像识别网络模型的选用

本文主要以挖掘机为研究对象，识别任务目标体积较大，因此需要网络适合识别大中型目标。本文所使用的挖掘机数据集较小，要求网络具有良好的特征学习能力和较强的抗过拟合性能，同时要求尽可能提高网络识别的训练速度，并且还对网络的可移植性有一定的要求[5]。因此，选择较为基础且易于掌握的Alexnet作为本次实验的基础框架。……