摘要
本发明公开了一种强曝光复杂雷电放电图像识别方法和系统,该方法包括:构建雷电放电图像数据集,将雷电放电图像数据集划分为训练集和测试集,雷电放电图像数据集中包括不同光强、不同背景环境和多种雷电放电类型的雷电放电图像;基于YOLOv8n架构进行改进构建得到用于识别雷电放电类型的神经网络模型;采用训练集对神经网络模型进行训练,采用测试集对训练调优后的神经网络模型进行验证测试,并将经过训练和验证测试后的神经网络模型部署至雷电监测系统中,以便实现雷电放电图像的自动识别和分析。本发明可有效提高强曝光复杂雷电放电图像的识别精度和鲁棒性。
技术关键词
神经网络模型
图像识别方法
雷电监测系统
损失函数优化
卷积模块
数据
通道注意力机制
图像识别系统
光强
测试模块
动态
鲁棒性
弯曲
精度
系统为您推荐了相关专利信息
检测网络模型
卷积模块
残差网络
空间金字塔
卷积特征提取
图像识别方法
二值化图像
图像类别
图案
图像对准
能耗预测方法
人工智能算法
数据
传感器节点
智能电表
高通量药物筛选
细胞模型
中药单体化合物
酒精性脂肪性肝炎
天然产物库
图像增强模型
水下图像增强方法
特征提取模块
教师
联合损失函数