CN119494815A 水下螺栓状态检测方法、装置、电子设备及存储介质 （广州大学）_第1页
CN119494815A 水下螺栓状态检测方法、装置、电子设备及存储介质 （广州大学）_第2页
CN119494815A 水下螺栓状态检测方法、装置、电子设备及存储介质 （广州大学）_第3页
CN119494815A 水下螺栓状态检测方法、装置、电子设备及存储介质 （广州大学）_第4页
CN119494815A 水下螺栓状态检测方法、装置、电子设备及存储介质 （广州大学）_第5页
已阅读5页，还剩27页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

型是由YOLOv10神经网络模型为基础构建的。本申请通过YOLOv10神经网络模型来构建图像检测2将所述目标图像输入至图像检测模型，以获取由所述图像检测模将各个所述目标图像作为样本，将各个所述目标图像对应的在所述将所述目标图像输入至图像检测模型，以获取由所述图3状态检测模块，用于将所述目标图像输入至图像检测模型，以获取由45[0027]当所述水下螺栓状态检测结果为水下螺栓状态正常时，[0036]本申请实施例通过YOLOv10神经网络模型来构建图像检测模型，通过对水下螺栓6技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，[0053]服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集以及大数据和人工智能平台等基础云计算服务7[0057]如图2所示，图2是本申请实施例提供的一种水下螺栓状态检测方法的流程示意8过采用基于生成对抗网络(GAN)的方法来修复螺栓退化图像以及处理过程中产生的图像模9[0096]在本申请实施例中，图像检测模型是由YOLOv10神经网络模型为基础构建的，其且训练集占训练数据集的80验证集占训练数据集的10测试集占训练数据集的10%,标的感知能力，从而提高YOLOv10神经网络模型在复杂的水下环境下对水下螺栓的状态检特征图进行多尺度特征提取的SPPF模块以及高效的局部自注意样的SCDown模块以及用于进一步增强特征图的表达能力的C2fC[0118]当所述水下螺栓状态检测结果为水下螺栓状态正常时，栓状态检测结果包括水下螺栓状态正常以及水下螺栓ηt为图像检测模型在第t次迭通过YOLOv10神经网络模型来构建图像检测模型，通过对水下螺栓图像进行预处理来提高可以根据实际的需要选择其中的部分或者全部模块来实现本说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论