-
题名卷积神经网络金相组织自动识别
被引量：4
- 1
-
-
作者
王佳锐
刘能锋
曲鹏
-
机构
廊坊燕京职业技术学院机电工程系
哈尔滨工业大学实验与创新实践教育中心
-
出处
《智能系统学报》
CSCD
北大核心
2022年第4期698-706,共9页
-
基金
国家自然科学基金项目(52161004)
2021年廊坊市科技局高新技术项目(2021011018).
-
文摘
为了降低人工分辨金相组织图像类别的误差率,提高分辨效率,采用卷积神经网络模型对金相组织图像进行自动辨识。对制备金相样块所得铁素体与马氏体两种金相组织图像进行分析,提出符合金相组织图像分布特征的预处理方案。通过采用图像尺寸归一化、灰度值归一化以及高斯平滑处理等方法,对原始金相组织图像进行预处理,建立金相组织图像数据集。针对建立的铁素体和马氏体金相组织图像数据集,提出了适合金相组织图像辨识的改进模型,分别记为LeNet-MetStr模型、AlexNet-MetStr模型和VGGNet-MetStr模型。对3种改进卷积神经网络进行模型训练及分析,结果表明VGGNet-MetStr模型对2种金相组织图像自动辨识具有更高的准确度。
-
关键词
卷积神经网络
金相组织
图像处理
网络模型
自动辨识
lenet神经网络
AlexNet神经网络
VGGNet神经网络
-
Keywords
convolutional neural network
metallographic structure
image processing
network model
automatic identification
lenet neural network
AlexNet neural network
VGGNet neural network
-
分类号
TG141
[金属学及工艺—金属材料]
TP391.4
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于混合特征图的非侵入式负荷监测算法
被引量：1
- 2
-
-
作者
梁浚杰
杨舒惠
鲍海波
莫江婷
李江伟
郭小璇
-
机构
广西电网有限责任公司南宁供电局
广西大学广西电力系统最优化与节能技术重点实验室
广西电网有限责任公司电力科学研究院
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2023年第1期132-139,共8页
-
基金
广西重点研发计划项目(桂科AB22080022)
中国南方电网公司科技项目(GXKJXM20190717)。
-
文摘
针对目前的非侵入式负荷监测算法所需运算成本高、难以实用推广的现状,提出一种低运算成本的基于混合特征图的非侵入式负荷监测算法。首先,提取设备的功率特征和稳态电压-电流轨迹图特征,将设备功率特征进行维数变换后与电压-电流轨迹特征图组合,得到设备混合特征图。该特征图以小尺寸灰度图为载体,减小了硬件存储与模型算力的成本。然后,基于LeNet卷积神经网络建立设备辨识模型,以混合特征图为输入,实现对设备种类的辨识。最后,使用PLAID数据集对所提算法的结果准确性与计算性能进行测试。结果表明:所提算法的设备辨识准确率可达92.7%,与辨识准确率相差小于1%的同类算法相比,在算法参数量和运算量方面减少了99%,能有效减少NILM的运算成本。
-
关键词
非侵入式负荷监测
混合特征图
电压-电流轨迹
lenet卷积神经网络
-
Keywords
non-intrusive load monitoring
mixed feature image
U I trajectory
lenet convolutional neural network
-
分类号
TM769
[电气工程—电力系统及自动化]
-
