Feb, 2023

基于工业 CT 的电力电容器智能无损检测方法

PDF
TL;DR利用 ICT 技术和 SSD 算法提出一种智能无损检测方法用于功率电容器设备的质量检测，并且运用数据增强算法提高 SSD 模型的稳定性和准确性
power capacitor devicereactive power compensationnon-destructive testingictssd algorithm
发现论文，激发创造
  • 使用 CGANs 从电容测量重建层析成像

    本文提出了一种基于 CGAN 模型的 ECT 图像重建方法，并在 320K 合成图像测量对上进行了测试，结果表明该方法相较传统和其他深度学习算法的成像效果更好。

    Sep, 2022

  • 基于 CMOS 传感器阵列的微尺度三维电容层析成像

    采用电容层析成像技术 (ECT)，利用 CMOS 微电极阵列实现对聚合物微球和细菌生物膜的显像，达到 10 微米的空间分辨率。提出了深度学习架构和改进的多目标训练方案，用于从传感器测量中重建出平面外的介电常数图。实验结果表明，该方法能够解析微观三维结构，在微球数据集上的预测准确率达到 91.5%，在生物膜数据集上达到 82.7%，较基准计算方法平均提高 4.6%。

    Sep, 2023

  • 一份超过一千份电池细胞的计算机断层扫描数据集

    电池技术、计算机断层扫描、制造差异、电池缺陷、数据集

    Mar, 2024

  • 通过处理 S 参数模式对氧化铟锡电极进行原位故障诊断

    使用散射参数信号处理提供了早期检测、高诊断准确度、噪音鲁棒性和根因分析等优势，并证明通过将 S 参数的不同通道组合为学习算法的输入，可以显著提高加性噪声水平下的诊断性能。

    Aug, 2023

  • 电力电网智能故障分析

    本文提出了一种基于人工智能和机器学习技术的电力系统健康检测方案，利用 Siemens PSS/E 软件模拟电网状况，并采用分类器（SVM、LSTM 等）进行训练和测试，结果证明其能够高精度地检测电网异常，并可扩展应用于更复杂的电网结构。

    Nov, 2017

  • 深度卡尔德隆电阻抗成像方法

    本研究针对现有方法进行了改进，从而提出了一种复杂阻抗层析成像技术，该技术通过使用卷积神经网络对成像结果进行后处理，以改善成像的分辨率和准确性。实验结果表明，该方法能够显著提高标准 Calderón 方法的性能。

    Apr, 2023

  • 使用神经场从离散的仅强度测量中恢复连续的三维折射率图

    DeCAF 是首个基于神经场的 IDT 方法，通过使用 IDT 前向模型直接从测试样本的测量中学习连续的折射率表征，可以生成高对比度和无伪影的折射率图像，并且可以比现有方法减少 MSE 高达 2.1 倍。

    Nov, 2021

  • 基于流量模式分析和深度迁移学习的自动发电控制系统异常检测

    本文研究信息流分析和异常检测在防止网络攻击中的应用，通过使用 ResNeSt 卷积神经网络的频域特征和深度学习模型，训练自适应的算法，从而克服了参数不确定性和建模非线性问题。

    Sep, 2022

  • 红外测温在集成电子和光电路中的热敏性漏洞检测

    这篇研究提出一种基于红外热成像技术的热脆弱性检测方法，可以用于预测元器件的长期操作故障，同时也为全功能微波光子系统的可靠性测试提供了有效手段。

    May, 2020

  • Deep D-bar：使用深度神经网络进行实时电阻抗层析成像

    本研究证明利用卷积神经网络技术处理非线性逆问题可以使电阻抗断层成像的重建效果更加清晰可靠。该网络通过对模拟数据进行训练，并成功地应用于实验数据的处理，无需额外的转移训练步骤。结果使用 ACT4 和 KIT4 电阻抗断层成像系统的实验数据呈现。

    Nov, 2017