基于迁移学习的风力发电机叶片裂缝识别

• 作者: 丁小燕 刘艳霞 方建军
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 迁移学习 超限学习机 神经网络 深度学习 风机叶片
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 计算与测试
• 页码范围: 107-110
• 页数: 4页
• 分类号: TK83|TP391
• 字数: 2260字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2019)08-0107-04

摘要

采用基于Inception v3模型的迁移学习方法对风机叶片裂缝进行自动检测,分别设计了基于反向传播(BP)神经网络和超限学习机(ELM)的全连接层实现叶片状态分类.实验结果表明:迁移学习方法的收敛速度和网络精度均优于Faster R-CNN和Yolo v3深度学习算法.对于结构相对简单的全连接层,用ELM超限学习机可取得与BP神经网络相近的性能指标(准确率89.3％,召回率91.5％,F1值0.819),但训练速度可提高上千倍,适用于对实时性要求较高的应用场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方建军	北京联合大学城市轨道交通与物流学院	36	197	7.0	12.0
2	刘艳霞	北京联合大学城市轨道交通与物流学院	21	121	6.0	10.0
3	丁小燕	河北省科学院地理科学研究所地理信息开发应用研究中心	6	24	2.0	4.0