本文主要研究内容
作者黄志豪,郑盼龙,许新宇,蒋谦,邵洁（2019）在《基于轻卷积神经网络的电力电缆绝缘损伤图像检测方法》一文中研究指出：电缆良好的绝缘性是保证电缆安全运行的重要保障。针对传统电力电缆绝缘损伤检测方法存在检测流程复杂和无法大规模整体检测的缺点,本文结合图像无损接触方式和深度学习方法,提出了一种基于深度学习的电力电缆图像破损批量检测方法。该方法创新性地建立了基于残差和深度可分离模块的轻深度卷积神经网络模型,和以往的卷积神经网络模型相比,网络极好地平衡了系统的识别时间和识别精度,能实现高效、无损、快速的大规模电缆外表面多样化异常检测。和传统学习方法和已有深度卷积神经网络模型的实验结果对比表明,本文方法具有良好的实时性、鲁棒性和识别率,识别正确率达到99.47%。
Abstract
dian lan liang hao de jue yuan xing shi bao zheng dian lan an quan yun hang de chong yao bao zhang 。zhen dui chuan tong dian li dian lan jue yuan sun shang jian ce fang fa cun zai jian ce liu cheng fu za he mo fa da gui mo zheng ti jian ce de que dian ,ben wen jie ge tu xiang mo sun jie chu fang shi he shen du xue xi fang fa ,di chu le yi chong ji yu shen du xue xi de dian li dian lan tu xiang po sun pi liang jian ce fang fa 。gai fang fa chuang xin xing de jian li le ji yu can cha he shen du ke fen li mo kuai de qing shen du juan ji shen jing wang lao mo xing ,he yi wang de juan ji shen jing wang lao mo xing xiang bi ,wang lao ji hao de ping heng le ji tong de shi bie shi jian he shi bie jing du ,neng shi xian gao xiao 、mo sun 、kuai su de da gui mo dian lan wai biao mian duo yang hua yi chang jian ce 。he chuan tong xue xi fang fa he yi you shen du juan ji shen jing wang lao mo xing de shi yan jie guo dui bi biao ming ,ben wen fang fa ju you liang hao de shi shi xing 、lu bang xing he shi bie lv ,shi bie zheng que lv da dao 99.47%。
论文参考文献
论文详细介绍
论文作者分别是来自电子设计工程的黄志豪,郑盼龙,许新宇,蒋谦,邵洁，发表于刊物电子设计工程2019年13期论文，是一篇关于电力电缆论文,图像处理论文,深度学习论文,轻卷积神经网络论文,电子设计工程2019年13期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子设计工程2019年13期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：电力电缆论文; 图像处理论文; 深度学习论文; 轻卷积神经网络论文; 电子设计工程2019年13期论文;