摘要
本发明公开了一种基于深度学习的电梯钢带表面损伤的检测方法及系统,涉及电梯钢带表面损伤检测技术领域。包括:获取电梯钢带数据;对获取的电梯钢带数据进行预处理;将预处理后的电梯钢带数据划分为训练集和测试集;将训练集输入损伤检测模型,通过损失函数更新网络权重参数,经过若干次训练后,得到训练好的损伤检测模型;将测试集输入训练好的损伤检测模型,评估电梯钢带损伤检测识别结果。本发明可以实现自动化检测,大大提高了检测效率,降低了人工成本;提高了电梯钢带表面损伤的检测效率、检测速度、检测准确性,有利于保障电梯安全可靠运行。
技术关键词
电梯钢带
检测识别模块
模型训练模块
YOLOv3模型
表面损伤检测
网络
输入端
图像去雾
训练集数据
图像分割
参数
瓶颈
包覆层
对比度
相机
系统为您推荐了相关专利信息
稳控策略
深度网络模型
长短期记忆网络
深度神经网络模型
计算机可读指令
卫星遥测系统
数据异常检测方法
定制化数据
大语言模型
异常数据点
图像缺陷检测方法
X射线探伤
检测缺陷
深度学习模型
铸件
智能估值系统
模型训练模块
人工智能算法
XGBoost算法
账号资产