基于迁移学习的风力发电机叶片裂缝识别

作者：刘艳霞; 丁小燕; 方建军^*

来源：传感器与微系统, 2019, 38(08): 107-110.

DOI：10.13873/J.1000-9787(2019)08-0107-04

• 迁移学习
• 超限学习机
• 神经网络
• 深度学习
• 风机叶片

采用基于Inception v3模型的迁移学习方法对风机叶片裂缝进行自动检测,分别设计了基于反向传播(BP)神经网络和超限学习机(ELM)的全连接层实现叶片状态分类。实验结果表明:迁移学习方法的收敛速度和网络精度均优于Faster R-CNN和Yolo v3深度学习算法。对于结构相对简单的全连接层,用ELM超限学习机可取得与BP神经网络相近的性能指标(准确率89. 3%,召回率91. 5%,F1值0. 819),但训练速度可提高上千倍,适用于对实时性要求较高的应用场景。

• 单位
  河北省科学院地理科学研究所; 北京联合大学