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

1178   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
有色金属:六种战争金属性能详解 矿山安全 | 露天矿山开采的五大防护措施 新能源产业发展方向明确!全国首部新能源产业促进条例发布 衡水市:独立储能发展布局指导方案印发 冶金百科 | 铜冶金-湿法炼铜小知识(一) 有色金属冶炼行业节能降碳改造升级实施指南 2.06亿元“抢滩”固态电池:华域汽车收购上汽清陶49%股权背后的三重逻辑 铜业百科 | 辨别纯铜的方法有哪些 最快2023年上市!超级“核电池”无需充电能正常使用90年之久 西工大王锦程团队:难熔高熵合金激光增材制造取得新突破! 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? 冶金百科 | 金银冶金 - 金的物理和化学性质是什么? 金的主要化合物有哪些? 亿纬锂能:2023年实现总营收飙升,同比增长34.38% 军工材料中应用最广泛的金属结构材料——铝合金 特斯拉交付量远低于市场预期,正丧失中国市场主动权 展商推荐 | 威格科技(苏州)股份有限公司邀您出席第三届全国钒钛资源与储能科技大会 新技术 | 3D打印与传统加工工艺材料、晶格结构的性能差异 火电回血、风光失速:大唐发电净利润飙涨47%掀起的“五大电力”排位战 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 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 衡阳市市委书记秦国文到株冶有色调研 锂离子电池小百科 | 电池标识及电池性能与测试 2025年新疆光伏电价创新低:每度电仅需0.1648元 原来他们都是中南大学杰出校友! 磷酸铁锂电池组电芯压差变大的原因及解决方法 被关停!紫金矿业刚果(金)铜钴矿部分产品辐射含量超标 中国电建以61亿元成功竞得云浮超大砂石矿权 冶金百科 | 铜冶金-火法炼铜小知识(七 ) 冶金百科 | 有色金属冶金基础知识 小知识 | 什么是钠离子电池?比起锂电池有什么优势?
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
0.151404s