|国家科技期刊平台
| 注册
首页|期刊导航|安徽大学学报（自然科学版）|基于改进Cascade R-CNN网络模型的防振锤缺陷识别

基于改进Cascade R-CNN网络模型的防振锤缺陷识别

程汪刘 任仰勋 倪修峰 曹成功 张可

安徽大学学报（自然科学版）2022，Vol.46Issue(5)：64-70,7.
✕
安徽大学学报（自然科学版）2022，Vol.46Issue(5)：64-70,7.DOI:10.3969/j.issn.1000-2162.2022.05.009

基于改进Cascade R-CNN网络模型的防振锤缺陷识别

Defect recognition of vibration dampers based on improved Cascade R-CNN network model

程汪刘 1任仰勋 2倪修峰 1曹成功 1张可3

作者信息

  • 1. 国网安徽省电力有限公司 铜陵供电公司,安徽 铜陵 244099
  • 2. 安徽大学 电子信息工程学院,安徽 合肥 230601
  • 3. 安徽南瑞继远电网技术有限公司 研发中心,安徽 合肥 230088
  • 折叠

摘要

关键词

电力巡检/深度学习/缺陷识别/防振锤/Cascade R-CNN

分类

信息技术与安全科学

引用本文复制引用

程汪刘,任仰勋,倪修峰,曹成功,张可..基于改进Cascade R-CNN网络模型的防振锤缺陷识别[J].安徽大学学报（自然科学版）,2022,46(5):64-70,7.

基金项目

国家自然科学基金资助项目(61672032) （61672032）

安徽大学学报（自然科学版）

OA北大核心CSTPCD

1000-2162

访问量2
|
下载量0
段落导航相关论文