基于卷积神经网络的水表故障检测算法

• 作者: 徐艺文 李立春 李贵生 王芝燕
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障检测 水表 卷积神经网络 特征提取
• 年，卷（期）: 2020,（3）
• 页码范围: 314-317,324
• 页数: 5页
• 分类号: TP206
• 字数: 3183字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.19364

摘要

利用卷积神经网络(CNN)提取水表故障特征,提出一种基于CNN的水表故障检测方法,并通过大量实验对检测模型进行参数优化.对比实验结果表明,所提方法相比于支持向量机和集成学习方法,具备更高的检测性能,且检测精度满足实用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐艺文	福州大学物理与信息工程学院	20	112	5.0	10.0
2	李贵生		5	12	1.0	3.0
3	李立春		2	0	0.0	0.0
4	王芝燕	福州大学物理与信息工程学院	1	0	0.0	0.0