一种基于深度卷积神经网络学习的炉膛水冷壁异常检测识别方法
申请号:CN202411020536
申请日期:2024-07-29
公开号:CN119128620A
公开日期:2024-12-13
类型:发明专利
摘要
一种基于深度卷积神经网络学习的炉膛水冷壁异常检测识别方法,涉及炉膛水冷壁异常检测领域。为解决现有技术中存在的,目前现有技术中,对冷却管水冷壁的检测识别分类存在识别不精准,分类不准确的技术问题,本发明提供的技术方案为:包括:获得火电厂炉膛水冷壁系统中各个管道位置所拍摄到的原始管道数据的步骤;对所述原始管道数据进行预处理,分成训练数据样本和测试数据样本的步骤;对所述训练数据样本和测试数据样本分别进行混合增强处理的步骤;将经过混合增强处理的训练数据样本输入深度卷积神经网络中进行模型训练,获得训练后模型的步骤。可以应用于炉膛水冷壁异常检测识别工作中。
技术关键词
深度卷积神经网络
炉膛水冷壁
识别模型构建方法
检测识别方法
样本
数据标签
管道
计算机储存介质
检测识别装置
模型构建装置
识别工作
计算机程序产品
模块
索引
冷却管
处理器