基于深度学习的风机叶片缺陷识别

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：本研究提出了一种基于深度学习的风机叶片缺陷识别方法,旨在提高风机维护效率和可靠性.方法包括数据采集与预处理、多特征融合残差网络设计、损失函数定义、迁移学习,以及实验验证等步骤.实现了对风机叶片缺陷的高效识别,通过对模型的时间性能和F1分数的比较.实验结果表明,多特征融合残差网络在计算效率和识别性能方面都具有显著优势.该方法为风机叶片巡检提供了有力的技术支撑.

作者：

张永贺、吴砚辉、马本言、霍道明、李鉴衡、魏巍

展开 >

作者单位：

中国能源建设集团黑龙江省电力设计院有限公司,哈尔滨 150078

关键词：

深度学习风机叶片缺陷识别多特征融合残差网络

基金：

中国电力工程顾问集团有限公司科技重大专项

项目编号：

DG3-L01-3022

出版年：

2024

DOI：

10.16453/j.2096-5036.202422

人工智能

ISSN：2096-5036

年,卷(期)：2024.(3)

参考文献量3