机译:基于级联深度学习网络的风力涡轮机叶片多型表面缺陷自动图像检测
Beijing Jiaotong Univ Sch Mech Elect & Control Engn 3 Shangyuancun Beijing 100044 Peoples R China;
Beijing Jiaotong Univ Sch Mech Elect & Control Engn 3 Shangyuancun Beijing 100044 Peoples R China;
Liverpool John Moores Univ Control Syst Ctr Sch Engn Liverpool Merseyside England;
Beijing Jiaotong Univ Sch Mech Elect & Control Engn 3 Shangyuancun Beijing 100044 Peoples R China;
Deep learning; Cascade R-CNN; surface defect detection wind turbine blades; accuracy;
机译:基于序列式建模的LSTM和GRU网络用于浮动近海风力涡轮机叶片的结构损伤检测
机译:基于无人机图像的风机叶片表面裂纹自动检测
机译:基于深入学习模型与转移学习的风力涡轮机叶片损伤的图像识别与集合学习分类
机译:基于图像分割的风力涡轮机叶片表面损伤检测方法
机译:基于体积CT数据检查和深度学习的涡轮叶片异常检测
机译:基于超声波引导波的相位速度变化的风力涡轮机叶片的一种新型缺陷估计方法
机译:基于平衡和注意机制的SAR图像自动桥梁自动桥梁检测的新深度学习网络