合肥金星智控科技股份有限公司
宣传

位置:北方有色 >

有色技术频道 >

> 新能源材料技术

> 基于深度学习的风电机组叶片表面故障识别与分类方法

基于深度学习的风电机组叶片表面故障识别与分类方法

1180   编辑:管理员   来源:北方有色网  
2023-03-18 20:23:46
本发明公开了一种基于深度学习的风电机组叶片表面故障识别与分类方法,属于新能源发电领域。本发明将深度学习引入风电机组叶片表面故障识别,采用无人机拍摄风电机组叶片表面故障图像,将叶片图像数据集划分为训练集和验证集,搭建胶囊网络和卷积神经网络复合模型,并对该模型进行训练,使得模型能够对叶片表面故障进行识别与分类。本发明用于识别风电机组叶片图像,高效准确地实现了风电机组叶片表面故障识别与分类的目的,实例分析验证了本发明的实用性和通用性。
声明:
“基于深度学习的风电机组叶片表面故障识别与分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)
         
咨询细节
标签:
新能源
有色金属设备
有色金属技术
有色金属企业
有色金属资讯
有色金属价格
有色金属报告
热门分类
萤石小知识 | 萤石产地在哪?萤石矿的伴生矿有哪些? 中国十大金矿排名!紫金山金铜矿居榜首 锂离子电池小百科 | 电池标识及电池性能与测试 小知识 | 什么是钠离子电池?比起锂电池有什么优势? 芯片巨头美光科技获61亿美元补贴 金属材料在芯片工艺上的作用 特斯拉交付量远低于市场预期,正丧失中国市场主动权 为减少进口依赖,欧洲时隔10年重启镁矿开采 维里迪斯矿业公司稀土矿项目回收率达到世界最高水平 普鲁士蓝的有趣特性:不只是颜料,还可以用来回收金属,做电池及杀死肿瘤细胞? 未来科技:太阳能面板与电池搭载无人机,随时随地享受阳光充能! 冶金百科 | 有色冶金固体废物排放情况 动力电池向高能量密度迭代,固态电池成“兵家必争之地” 原来他们都是中南大学杰出校友! 坐在铜矿上的国家​:“铜矿之国”赞比亚到底有多“壕”? 有色金属:六种战争金属性能详解 南山铝业第一家海外电解铝项目将落户印尼,规划产能为100万吨 天一萃取离心萃取机荣获“创新星级品牌”奖 铜业百科 | 铜及铜合金热处理概述 金属百科 | 锑的历史与发展 方圆公司赴台技术服务团队凯旋 陕西:推出有色金属行业碳达峰实施方案,推动全产业链节能降碳 2025年新疆光伏电价创新低:每度电仅需0.1648元 冶金百科 | 铝冶金——拜耳法生产氧化铝 中科固能:总投资60亿,预计2030年之前建成全固态电池产业园 日产全固态电池试点生产线预计2025年3月投入运营 最快2023年上市!超级“核电池”无需充电能正常使用90年之久 钨矿——工业之基,战争金属之王 矿山安全 | 露天矿山开采的五大防护措施 生态环境部印发《固体废物分类与代码目录》,废旧锂电池正式纳入固废管理
北方有色技术平台

最新更新技术

报名参会
更多+

热门专家
更多+

报告下载

铼产业报告(2026)
推广

热门技术
更多+

衡水宏运压滤机有限公司
宣传

慧博士报告
更多+

环磨科技控股(集团)有限公司
宣传

发布

在线客服

公众号

电话

顶部
咨询电话:
010-88793500-807
专利人/作者信息登记
0.167724s