摘要
本发明涉及一种基于液氮气泡图像识别的超导线圈失超检测方法及装置。该方法获取原始液氮气泡图像数据集;利用导向滤波对原始液氮气泡图像集进行预处理,得到输出图像数据集;利用训练后的改进的YOLOv4模型对输出图像数据集进行气泡检测,得到不同大小的液氮气泡数量;利用训练后的时序卷积神经网络对液氮气泡数量进行预测,得到最终的超导线圈失超程度。与现有技术相比,本发明具有有效提高高温超导线圈失超检测的准确性、可靠性和持续性等优点。
技术关键词
液氮
气泡
时序卷积神经网络
非极大值抑制方法
残差模块
输出特征
图像
训练集
失超检测装置
高温超导线圈
更新模型参数
像素
数据
滤波
存储器
基准
系统为您推荐了相关专利信息
有机废气治理方法
恶臭异味
吸收塔
纵向温度梯度
微气泡
产品质量检测方法
纹理
产品质量检测系统
气泡
色差
工业控制系统
剪切设备
高剪切
信号分析技术
机器学习模型
纳米气泡流体
雾化模拟系统
参数
分析模块
粗粒化模型
液体通道
光纤生物传感器
引流装置
玻璃片
气泡结构