[发明专利]基于深度学习的风电机组叶片表面故障识别与分类方法在审
| 申请号： | 202010234807.7 | 申请日： | 2020-03-30 |
| 公开（公告）号： | CN111612030A | 公开（公告）日： | 2020-09-01 |
| 发明（设计）人： | 马东;王明宇 | 申请（专利权）人： | 华电电力科学研究院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 杭州天欣专利事务所(普通合伙) 33209 | 代理人： | 张狄峰 |
| 地址： | 310030 浙江省杭州*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的风电机组叶片表面故障识别与分类方法，属于新能源发电领域。本发明将深度学习引入风电机组叶片表面故障识别，采用无人机拍摄风电机组叶片表面故障图像，将叶片图像数据集划分为训练集和验证集，搭建胶囊网络和卷积神经网络复合模型，并对该模型进行训练，使得模型能够对叶片表面故障进行识别与分类。本发明用于识别风电机组叶片图像，高效准确地实现了风电机组叶片表面故障识别与分类的目的，实例分析验证了本发明的实用性和通用性。 | ||
| 搜索关键词： | 基于 深度 学习 机组 叶片 表面 故障 识别 分类 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华电电力科学研究院有限公司，未经华电电力科学研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010234807.7/，转载请声明来源钻瓜专利网。
