典型文献
基于改进CenterNet算法的风机叶片损伤检测识别技术
文献摘要：
为了对风力发电机组叶片损伤状态进行有效检测,提出一种基于CenterNet目标检测算法的风机叶片损伤检测识别技术.该技术选取DLA-60特征提取网络作为CenterNet算法的骨干网络,并在DLA-60网络中引入注意力引导数据增强机制,提升检测算法的精度.优化后风力机叶片损伤检测识别模型的检测精度为88％,较原始算法提升了2.6个百分点,且检测时间基本与原网络持平,具有较强的精确性和实用性.
文献关键词：
风力机叶片;损伤检测;CenterNet算法;Attention机制;卷积神经网络
中图分类号：
作者姓名：
焦晓峰;蒋兴群;刘波;宋力;陈永艳;张宪琦
作者机构：
内蒙古电力科学研究院,呼和浩特 010020;内蒙古工业大学,呼和浩特 010051;内蒙古自治区可再生能源重点实验室,呼和浩特 010051;哈尔滨工业大学计算学部,哈尔滨 150001
文献出处：
引用格式：
[1]焦晓峰;蒋兴群;刘波;宋力;陈永艳;张宪琦-.基于改进CenterNet算法的风机叶片损伤检测识别技术)[J].内蒙古电力技术,2022(01):10-14
A类：
数据增强机制
B类：
CenterNet,风机叶片,叶片损伤,损伤检测,检测识别,风力发电机组,损伤状态,有效检测,目标检测算法,DLA,特征提取网络,骨干网络,导数,风力机叶片,识别模型,检测精度,百分点,检测时间,持平,精确性,Attention
AB值：
0.288734
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
