一种基于卷积神经网络的货车动态称重方法及系统

本发明提供一种基于卷积神经网络的货车动态称重方法及系统，该方法首先采用皮尔逊相关系数法筛选与重量高度相关的特征，并引入六阶段温度和冲击次数两个新特征来对模型进行补偿，以增强模型对实际站点复杂环境干扰的抵抗能力。其次，在卷积神经网络模型中，通过加入降噪自编码器DAE，能够逐层提取过车信号中的深层特征表示，为后续卷积神经网络预测提供高质量的输入特征；同时，通过引入标签分布平滑策略，使用核密度估计的方法对模型的损失函数进行加权，能够提高低密度样本在模型训练中的影响力；解决当预测模型以最小化所有训练样本预测误差之和为目标时，低密度区域样本占比较小，导致模型更倾向于学习高密度区间的样本的问题。