论文部分内容阅读
针对传统视觉方法在车钩状态识别方面存在的应用场景单一、实时性差、准确率低的问题,文章提出一种基于ResNet的车钩状态识别方法,其通过在原图上增加高斯噪声和修改曝光率、饱和度、角度等图像参数的方法进行数据增强,使车钩状态识别准确率在测试集上达到97%;利用开源加速库TensorRT 6.0将ResNet50模型部署到边缘计算平台,所测得的图片推理时间可满足机车自动驾驶中对车钩状态实时监控的要求。