1. 项目介绍：本项目依据当前智慧矿山资源管理的要求，致力于研究矿山环境下车辆精细化的识别问题。项目分为三个部分，矿区运输车车头车尾识别、车牌识别、以及所载矿物形状的精细化识别，目的是解决矿区车辆头尾识别的问题，提高了车辆头尾检测的效率，从而更有效的管理矿山资源。2. 项目架构：Tensorflow+Opencv+Numpy+Pandas+ Sklearn+ PyQt+Pyinstaller3. 项目主要负责人，负责进行样本采集、标注，建立车辆头尾目标检测数据集，构建基于卷积神经网络的车辆头尾深度学习识别模型，对该识别模型进行训练直到模型收敛，获得最优模型，再对最优模型进行测试，直到识别精确度达到预期为止。同时使用PyQt 设计出交互界面，将最优模型封装，最后使用 PyInstaller技术生成 APP，目前该 APP 供企业正常使用。4. 项目成果：1 篇会议论文、1 项发明专利、1 款 APP。