Algoritmo mejorado de detección y reconocimiento de fugas para redes neuronales residuales basado en transfer learning
Autores: Li, Liangliang; Chen, Yu; Ma, Zhengxiang; Wen, Xinling; Pang, Jiabao; Yuan, Weitao
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Algoritmo mejorado de detección y reconocimiento de fugas para redes neuronales residuales basado en transfer learning
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Método propuesto
Red ResNet18 mejorada
Reconocimiento de defectos
Precisión de predicción
Aprendizaje por transferencia
Diagnóstico de defectos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Debido a la falta de otra información de componentes en los defectos de señal de fuga magnética tradicionales y la baja precisión de los métodos de predicción, este artículo propone una red residual mejorada para el reconocimiento de defectos de detección de fugas magnéticas que predice el tamaño del defecto y diferentes velocidades de detección. Se propone un nuevo método de diagnóstico de defectos basado en ResNet18 en la Red Neuronal Convolucional (CNN) en este estudio.
Descripción
Debido a la falta de otra información de componentes en los defectos de señal de fuga magnética tradicionales y la baja precisión de los métodos de predicción, este artículo propone una red residual mejorada para el reconocimiento de defectos de detección de fugas magnéticas que predice el tamaño del defecto y diferentes velocidades de detección. Se propone un nuevo método de diagnóstico de defectos basado en ResNet18 en la Red Neuronal Convolucional (CNN) en este estudio.