摘要
农机设备备件管理是农业领域的一个关键问题,准确的备件分类可以确定更优的库存管理策略.改进深度残差网络的备件分类方法,可以通过建立多维度的分类准则和对备件信息数据预处理,得到具有时间维度和备件属性图像的备件标识方法.提取特征时,为保证相似属性间的特征联系,在网络模型中加入挤压和激励网络(squeeze-and-excitation networks,SENet),得到改进的残差网络模型.为验证模型的分类效果,选用某拖拉机集团的大型设备的备件作为案例分析.结果表明,该方法对大型生产机器的备件具有很好的分类效果.
维普
万方数据