| 基于深度學習的電廠跑冒滴漏視頻識別應用研究 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>4009 K | |
| 標簽： 深度學習 電廠 跑冒滴漏 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：為解決火電廠設備在運行過程中會存在“跑冒滴漏”現象，通過視覺識別技術及深度學習的應用，提出基于卷積神經網絡模型的電廠跑冒滴漏視頻識別模型，并對模型進行優化和改進。該方法基于火電廠攝像頭進行現場圖像的采集，進行數據預處理和優化，同時按照缺陷形態建立對應數據集。然后，通過語義分割、數據增強、注意力機制、更改激活函數等技術與卷積神經網絡結合，對YOLOv5算法進行深層次優化，包括訓練策略的改進和模型評價調整，增強了模型算法對復雜場景識別理解能力，可有效提高視頻識別精度與速度，有助于提高火電廠巡檢的自動化、智能化水平，具有較好的工程應用前景。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2