当前农产品市场供需失衡问题频发,以及在自然灾害等突发情况下,政府调度农产品相关应急物资缺乏数据支撑,无法有效保证最大程度降低人民生活水平受影响程度,因此挖掘鲜活农产品流转规律至关重要。2005年,我国依托国家高速公路网开展了覆盖全国的“绿色通道”建设工作。目前鲜活农产品流通数据获取途径主要来源是高速公路收费站绿色通道检查数据。由于技术及工作方式的不足,导致现有数据源中存在较多错误数据。提升绿通车检查工作效率并确保数据准确性成为当前亟需解决的关键问题。论文以陕西、山东等省份的收费站绿通车运载货物放射源扫描图像为数据源,基于卷积神经网络和随机森林思想,构建了绿通车运载货物放射源图像识别模型,并通过实验对比分析,验证了模型的有效性与先进性。首先,论文在阐述绿通车放射源检查设备原理及建设现状的基础上,采用“双结果”查验数据,分别计算货物一、二、三级分类标准下人工评判方式中各货物类型查全率,并制定评价指标F_avg,对绿通车放射源检查效果进行量化。通过分析绿通车运载货物放射源图像特点,解释人工评判方式的难点和神经网络的优越性。然后,根据绿通车运载货物放射源图像特点及构建模型需求,制定绿通车运载货物放射源图像预处理方法。通过“双结果”数据验证和货物区域占比值确定了数据清洗规则。通过对绿通车运载货物放射源图像区域特征分析,确定了货物区域分割规则。通过实验对比分析,确定中值滤波作为绿通车运载货物放射源图像降噪方法。采用图像数据增强方式解决数据集不平衡问题。并通过图像通道转换,解决了网络中数据输入问题。最后,论文基于随机森林思想,提出对经典卷积神经网络模型的改进思路,构建绿通车运载货物放射源图像识别模型。通过实验对比分析,得出网络输入图像最优尺寸参数。按照三级分类方式,选取“快快绿通车”管理平台系统的放射源扫描图像进行实例验证。通过论文构建的绿通车运载货物放射源图像识别模型,货物一级分类的F_avg值达到94.42%,高于人工评判方式的88.72%。货物二级分类的F_avg值达到93.47%,高于人工评判方式的88.65%。货物三级分类的F_{av g}值达到92.68%,高于人工评判方式的87.32%。论文通过构建绿通车运载货物放射源图像识别模型,降低了绿通车放射源检查结果对查验人员的主观依赖,并为以后发现农产品流转规律提供前导性研究。