针对煤矿传统地磅称重管理系统存在人工信息采集导致工作效率低、质量差以及缺乏防作弊措施导致偷煤现象频发等问题,提出了一种视频协同智能识别地磅管理系统。详细介绍了系统组成、视频协同智能识别地磅原理、系统工作流程和软件功能。该系统由视频监控系统、车辆抓拍系统和数据采集系统组成，实现了地磅的智能监控。
利用数字图像处理、卷积神经网络和计算机网络等技术，实现了基于车牌识别和多特征匹配的煤矿业务。应用结果表明，该系统可靠性高，操作简单，有效减少人工工作量，防止聊天和偷煤现象。 本文旨在通过研究玉树牦牛体重与体型的关系，建立牦牛体重估算模型，指导青藏高原三河源头牦牛的生产和养殖。
体重和体型的数据是通过地磅和卷尺获得的。我们使用随机函数将这些数据分为训练集和测试集。训练集的数据通过K-means方法进行聚类。然后，在数据挖掘的Weka平台上，利用机器学习算法的线性回归算法对牦牛的体重和体型进行分析。结果表明，聚类K-means方法得到的5个模型的预测值与观测值的相关性分别为0.8746、0.8848、0.9046、0.9013和0.8612。
利用数字图像处理、卷积神经网络和计算机网络等技术，实现了基于车牌识别和多特征匹配的煤矿业务。应用结果表明，该系统可靠性高，操作简单，有效减少人工工作量，防止聊天和偷煤现象。 本文旨在通过研究玉树牦牛体重与体型的关系，建立牦牛体重估算模型，指导青藏高原三河源头牦牛的生产和养殖。
体重和体型的数据是通过地磅和卷尺获得的。我们使用随机函数将这些数据分为训练集和测试集。训练集的数据通过K-means方法进行聚类。然后，在数据挖掘的Weka平台上，利用机器学习算法的线性回归算法对牦牛的体重和体型进行分析。结果表明，聚类K-means方法得到的5个模型的预测值与观测值的相关性分别为0.8746、0.8848、0.9046、0.9013和0.8612。
上一篇：运输衡器操作的决策与分析 下一篇：两台地磅并联的稳固测量方法