简介:摘要:截至2020年底,并网风电装机容量28153万千瓦,增长34.6%,占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患,而风电机组漏油就是其中最为严重的问题,轻则污染机舱环境、重则引起整个机组火灾,及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性,通过传感器的方式进行检测,不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测,因为机舱内具有相对均衡的光线环境,相对恒定的测量距离,相对静止的参照背景等三个有利条件,通过卷积神经网络深度学习方法,对舟山二十台风电机组几十万张现场照片进行训练,并通过高性能人工神经元网络单元(NPU)进行运算,形成了产品化解决方案并成功应用到项目中。
简介:摘要 手写数字识别技术在近年来的应用逐渐广泛,人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域,识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述,之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述,最后分析了目前手写数字识别技术的主要优点以及还存在的不足,并进一步展望未来的研究发展方向。
简介:摘要:沥青是最重要的施工材料之一,在道路建设中起着重要作用。在道路建设中,沥青本身具有抗水和防锈作用。施工后,为提高道路工程沥青路面的施工质量,需要进行原材料测试技术,强度测试,防滑试验,沥青混合比测试,压缩试验等一系列内容。
简介:摘要:基于卷积神经网络的隐写分析能够实现更高维特征的表达,提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状,然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后,详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁,并以此为基础,讨论了下一步隐写分析可能的研究方向。
简介:摘要目的提升心电图心律失常分类算法的性能,为临床心电诊断提供辅助依据。方法将一维心电图数据按照R点进行切分,将切分后的数据生成2D图像。利用数据增强技术将样本进行扩增,再利用二维卷积神经网络(2D-CNN)中的2D卷积层、2D最大池化层、Flatten层和全连接层,对图像特征进行提取,并通过Softmax分类器进行分类。利用带有权重系数的损失函数来增强模型对于S类和V类的学习。采用MIT-BIH数据集进行模型训练并评估算法性能。结果样本扩增和使用带有权重系数的损失函数能够提升模型的召回率和特异性指标,同时保持模型对室性异位搏动(VEB)和室上性异位搏动(SVEB)分类的精确率的指标。结论所提出模型的准确率为99.02%,SVEB的召回率为96.4%,表明该分类方法可以辅助医护人员诊断心脏疾病。