摘要
本发明公开了一种基于轻量化神经网络模型的电弧检测方法及系统,涉及人工智能技术领域。通过将待检测图像输入电弧检测模型;电弧检测模型包括若干深度可分离卷积,且预先经过模型训练和模型量化;通过电弧检测模型根据各深度可分离卷积提取待检测图像的多层次特征,并根据多层级特征输出待检测图像为电弧图像的概率值。本发明采用深度可分离卷积结构建立电弧检测模型,可以提取输入图像的多层次特征进行电弧检测,提高了电弧检测效率与精度。深度可分离卷积结构在卷积层中对空间卷积和通道卷积进行了分离,显著减少了网络参数和计算量,模型量化则进一步优化了系统功耗与计算效率。解决了电弧信号检测方法难以兼顾检测精度和系统功耗的问题。
技术关键词
电弧检测模型
轻量化神经网络
电弧检测方法
多层次特征
多层级特征
二值化图像
图像处理方法
电弧检测系统
信号检测方法
积层
人工智能技术
数据
图像分割
处理器
输入模块
通道
可读存储介质
程序
系统为您推荐了相关专利信息
鼠标控制方法
智能手柄
手柄控制系统
电位传感器
金字塔
深度学习方法
多模态
森林结构
LiDAR点云
卷积模块
多任务检测方法
车道
计算机程序指令
多任务联合学习
多任务损失函数
特征提取模型
LBP特征提取
验证方法
二维码识读设备
身份验证