所有
标题
作者
关键词
摘要
DOI
栏目
年
地址
基金
中图分类号
高级检索
首页
关于本刊
期刊简介
数据库收录
获奖荣誉
编委会
编委
青年编委
期刊在线
当期目录
最新录用
优先发表
专刊专栏
过刊浏览
高级检索
浏览排行
下载排行
引用排行
作者中心
投稿须知
格式要求
稿件处理流程
防止投稿诈骗
下载中心
开放获取
期刊订阅
联系我们
中国电工网
English
所有
标题
作者
关键词
摘要
DOI
栏目
年
地址
基金
中图分类号
首页
关于本刊
期刊简介
数据库收录
获奖荣誉
编委会
编委
青年编委
期刊在线
当期目录
最新录用
优先发表
专刊专栏
过刊浏览
高级检索
浏览排行
下载排行
引用排行
作者中心
投稿须知
格式要求
稿件处理流程
防止投稿诈骗
下载中心
开放获取
期刊订阅
联系我们
中国电工网
English
基于深度卷积神经网络的绝缘子憎水性图像识别方法*
潘龙
摘要
HTML全文
参考文献
(0)
相关文章
施引文献
摘要
摘要:
针对传统的复合绝缘子憎水性检测方法效率不高、准确性差的问题,提出了一种用于绝缘子憎水性图像识别的方法。该方法基于深度卷积神经网络智能算法,结合国际复合绝缘子憎水性分级标准,构建了能自动识别出六个憎水性等级的算法,并首次在憎水性图像识别上使用了网格化剖分图像的方法,逐网格分析憎水性等级,最终形成了复合绝缘子憎水性图像自动识别算法。结果显示,应用该算法可清楚地识别绝缘子的憎水性等级,得到绝缘子老化程度的分布情况。
HTML全文
参考文献
(0)
相关文章
施引文献
/
下载:
全尺寸图片
幻灯片
返回文章
分享
用微信扫码二维码
分享至好友和朋友圈
返回
×
Close
导出引用
文件类别
RIS(可直接使用Endnote编辑器进行编辑)
Bib(可直接使用Latex编辑器进行编辑)
Txt
EndNote
引用内容
引文——仅导出文章的Citation信息
引文和摘要——导出文章的Citation信息和文章摘要信息
×
Close
引用参考文献格式