基于迁移学习的风电机组叶片损伤检测与分析

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对风电机组叶片损伤成因复杂、故障识别效率低、精度不足等问题，提出一种基于迁移学习改进的DenseNet网络（DenseNet-TL）的风电机组叶片损伤检测方法。建立DenseNet-TL数学模型，提升特征提取能力，在该模型下对风电机组叶片图像进行识别分析，以确定叶片的损伤状态。以某风场数据集进行离线训练和测试，结果表明：与AlexNet、ResNet模型进行对比，该模型可有效节省训练时间、提高模型的泛化能力，训练准确度平均值达到90%以上，验证了该方法的有效性和精确性。（剩余9989字）

试读结束

目录
monitor