基于卷积神经网络的物联网设备类型识别方法

作者：董卫宇; 王瑞敏; 成辉; 戚旭衍

来源：信息工程大学学报, 2022, 23(03): 257-263.

• 截图
• 设备识别
• 机器学习
• 卷积神经网络

针对传统物联网设备类型识别方法在数据特征不明显、训练数据不足的情况下，难以对设备进行准确识别的问题，提出一种基于卷积神经网络的物联网设备类型识别方法。首先从互联网上获取设备WEB接口的页面截图构造数据集，然后利用卷积神经网络的泛化能力提取截图的模糊特征，构建多标签识别模型，实现对设备类型的准确识别。与传统的基于WEB页面的设备类型识别方法相比，减少了对数据特征和规模的依赖。实验结果表明，该方法的准确率达到了78.8%，与成熟的图像识别架构Xception和ResNet50相比，更适合物联网设备类型识别。

• 单位
  信息工程大学