طريقة التعرف على أضرار أغطية PE لكابلات جسور الجسر القائمة على شبكة عصبية التفافية خفيفة الوزن
摘要
لعبت الشبكات العصبية العميقة وتقنيات الرؤية الحاسوبية دورًا متزايد الأهمية في مراقبة صحة الهياكل في السنوات الأخيرة. باستخدام بيانات صور أضرار كابلات الجسور المجمعة بواسطة الطائرات بدون طيار، تم دراسة طريقة التعرف على أضرار أغطية PE لكابلات الجسور القائمة على تقنيات التعلم العميق. لتحقيق التعرف الذكي والسريع على الأضرار المحلية على سطح كابلات الجسور ذات الامتداد الكبير على أجهزة ذات قدرة حسابية منخفضة، وحل مشكلة انخفاض كفاءة الحساب وحجم معلمات النموذج الكبير في الشبكات العصبية الالتفافية العميقة التقليدية، تم اقتراح نموذج شبكة عصبية التفافية موصى عليه بالمنطقة وخفيفة الوزن. تم تقديم الأساس النظري لشبكة التوصية بالمناطق وطريقة تحسينها الخفيفة الوزن، وتحليل ضرورة معالجة النموذج الخفيف التي تمكن من تقليل متطلبات أداء الجهاز لتدريب النموذج والتنبؤ به مع ضمان دقة التعرف، بهدف توفير الموارد والوقت الحسابي؛ وتم حل مشكلة نقص بيانات العينات التالفة بوسائل متعددة مثل زيادة البيانات، وتعيين التجارب المقارنة، وتحليل النتائج إحصائياً، مما أكد تفوق نموذج الشبكة العصبية الخفيف الوزن. أظهرت النتائج أنه يمكن للنموذج الخفيف تحسين تعقيد النموذج وحجم الحساب بشكل كبير مع التضحية الطفيفة في دقة التعرف، ويستطيع توسيع الاستخدام العملي للشبكات العصبية في التطبيقات الهندسية بفعالية.
关键词
كابلات الجسور; التعرف الذكي على الأضرار; الشبكة العصبية الخفيفة الوزن; الرؤية الحاسوبية; التعلم العميق
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website