科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于电容层析成像(electrical capacitance tomography, ECT)系统的流型识别技术具有非侵入性和可视化的优点，被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率，基于神经网络模型的识别算法被广泛应用，但ECT系统难以获得大量实测样本，从而导致识别准确率低、模型泛化性差。针对这一问题，该文采用了基于深度卷积生成对抗网络(DCGAN)的数据集扩增方法，利用经过预处理的LSSVM方法重建所得的图像，搭建基于DCGAN的流型图像生成模型进行实验，并利用GAN-train和GAN-test两个客观指标对生成图像进行评价，之后使用扩增后的数据集进行基于YOLOv3的流型识别。实验结果表明，利用DCGAN方法能够有效扩增原有数据集，生成图像准确度高、丰富性强，配合YOLOv3的目标检测算法，可以对ECT系统的流型识别准确率提升有较大程度的改进。
- 出版日期2023
- 单位电力设备电气绝缘国家重点实验室; 西安交通大学
