基于改进深度学习的风机油污识别
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16526/j.cnki.11-4762/tp.2023.05.026

基于改进深度学习的风机油污识别

引用
针对风机设备油液渗漏影响风机正常运行亟需解决的对风机设备油污的识别问题,提出了一种基于改进深度学习的风机油污检测方法;基于深度学习在目标检测中的应用特点,对目标检测网络YOLOv5n(You Only Look Once v5n)进行改进,将原网络中的非极大抑制(NMS,non maximum suppression)替换为Soft-NMS,降低了网络的误检率,添加CA(Coordinate At-tention)注意力机制,增强了模型对目标的定位能力,改进原网络损失函数为α-IoU(Alpha-Intersection over Union)损失函数,提高了边界框检测的准确度;实验结果表明:模型平均精度提升了 8.1%,查全率提高了 19.1%,网络推理速度提高了 28.6%;改进后的模型能准确检测风机油污,有效解决了风机实际运行中油液渗漏所带来的问题.

深度学习、风机油污、注意力机制、损失函数、非极大值抑制

31

TP391.41(计算技术、计算机技术)

江苏省高等学校自然科学基金面上项目21KJB120005

2023-07-07(万方平台首次上网日期,不代表论文的发表时间)

共6页

174-179

相关文献
评论
暂无封面信息
查看本期封面目录

计算机测量与控制

1671-4598

11-4762/TP

31

2023,31(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn