首页|改进的残差网络对红外图像热斑状态分类研究

改进的残差网络对红外图像热斑状态分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高光伏组件红外热斑图像识别准确率,提出一种基于多尺度残差和注意力机制相结合的新型卷积神经网络AMSRnet.在残差模块引入多卷积核,充分提取图像的深层特征信息,采用多层注意力模块,减少不必要的特征学习,增强特征的判别性,同时采用数据扩充方法防止模型过拟合.实验结果表明,AMSRnet模型训练识别自制的光伏组件红外图像热斑状态数据集,准确率高达95％,与VGG16等现有模型进行对比,AMSRnet模型的识别准确率比其他模型提高了4.41％～13.82％,且训练过程中准确率未出现明显的抖动现象,具有较高稳定性.
Hot Spot State Classification of Infrared Image Based on Improved Residual

贾帅康、孙海蓉、苏子凡

展开 >

华北电力大学控制与计算机工程学院,河北 保定 071003

华北电力大学河北省发电过程仿真与优化控制技术创新中心,河北 保定 071003

光伏热斑 红外图像 残差网路 注意力机制 图像分类

河北省自然科学基金

E2018502111

2021

工业控制计算机
中国计算机学会工业控制计算机专业委员会 江苏省计算技术研究所有限责任公司

工业控制计算机

影响因子：0.258
ISSN：1001-182X
年,卷(期)：2021.34(2)
  • 3
  • 2