基于SE-ResNet50与Grad-CAM的轴流泵空化分类方法

本申请公开了基于SE‑ResNet50与Grad‑CAM的轴流泵空化分类方法，包括：采集包含不同空化阶段图像的第一图像集；对第一图像集进行数据增强，获取扩张后的第二图像集；对第二图像集中的图像进行空化状态热力图叠加，以聚焦真实空化敏感区域，获取第三图像集；构建SE‑ResNet50分类识别模型并通过训练集进行模型训练；对测试集以及验证集中的图像进行分类识别，获取空化类别结果以及识别准确率。本申请通过Grad‑CAM热力图与叶轮区域掩码的创新结合，实现模型决策过程的物理可解释性，量化特征归因并抑制背景噪声干扰；分阶段SE注意力优化的ResNet50架构，使模型准确率提升至93.25％。