基于深度學(xué)習(xí)的電廠跑冒滴漏視頻識(shí)別應(yīng)用研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4009 K
標(biāo)簽： 深度學(xué)習(xí) 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(shè)備在運(yùn)行過(guò)程中會(huì)存在“跑冒滴漏”現(xiàn)象，通過(guò)視覺(jué)識(shí)別技術(shù)及深度學(xué)習(xí)的應(yīng)用,，提出基于卷積神經(jīng)網(wǎng)絡(luò)模型的電廠跑冒滴漏視頻識(shí)別模型,，并對(duì)模型進(jìn)行優(yōu)化和改進(jìn),。該方法基于火電廠攝像頭進(jìn)行現(xiàn)場(chǎng)圖像的采集,，進(jìn)行數(shù)據(jù)預(yù)處理和優(yōu)化，同時(shí)按照缺陷形態(tài)建立對(duì)應(yīng)數(shù)據(jù)集,。然后,，通過(guò)語(yǔ)義分割、數(shù)據(jù)增強(qiáng),、注意力機(jī)制,、更改激活函數(shù)等技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，對(duì)YOLOv5算法進(jìn)行深層次優(yōu)化,，包括訓(xùn)練策略的改進(jìn)和模型評(píng)價(jià)調(diào)整,，增強(qiáng)了模型算法對(duì)復(fù)雜場(chǎng)景識(shí)別理解能力，可有效提高視頻識(shí)別精度與速度,，有助于提高火電廠巡檢的自動(dòng)化,、智能化水平，具有較好的工程應(yīng)用前景,。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分；重復(fù)下載不扣分,，本人上傳資源不扣分,。