摘要
本发明提供一种基于改进U‑Net的机械设备表面损伤识别方法,包括:采集具有损伤特征的机械设备表面图像进行清洗和裁剪,并划分为训练集、验证集和测试集;选取训练集进行数据增强;将增强训练集输入机械设备表面损伤识别模型进行训练;机械设备表面损伤识别模型在U‑Net模型的基础上引入颜色特征提取模块,颜色特征提取模块包括1×1卷积层、批归一化层和ReLU激活函数,编码器包括依次连接的四个第一特征提取模块和一个第二特征提取模块,解码器包括依次连接的四个特征融合模块,特征融合模块和第一特征提取模块一一对应;用验证集对改进U‑Net模型进行验证;用测试集对最终的改进U‑Net模型进行测试,并统计评价指标。
技术关键词
机械设备表面
特征提取模块
损伤识别模型
颜色特征提取
损伤识别方法
损伤特征
训练集
图像颜色特征
解码器
编码器
数据
纹理特征
输出特征
指标
聚类
像素
通道
系统为您推荐了相关专利信息
模式识别方法
模式识别模型
数据
深度学习网络模型
样本
疾病预防方法
多模态数据融合
电子病历
特征提取模块
数据采集模块
失血性休克
动态预测方法
动态预测模型
子模块
生理
特征提取单元
多模态
特征提取模块
情绪特征
面部关键点
图像生成方法
生成对抗网络
彩色图像
采样模块
图案特征