改进的YOLOv3-Tiny网络在风机叶片损伤检测中的应用

为了解决YOLOv3-Tiny对无人机采集的风机叶片图像损伤检测精度不高的问题,提出一种基于深度学习的风机叶片图像损伤检测方法。首先提出一种跨越式特征联合网络结构,由卷积层和拼接层构成,将不同深度的特征信息进行融合再学习,提取目标多层级特征信息;其次引入Inception模块结构,其中4个平行通道的多个卷积核对输入的特征图进行组合和压缩,在减少网络的学习参数的同时更好地表征图像特征信息,提高小目标的检测精度。实验表明,改进后算法的检测精度提高了2.69%,在自制的数据集中mAP可以达到88.58%,并且模型的参数缩小了4倍。因此,改进的方法比传统的YOLOv3-Tiny网络具有更好的检测效果。研究结果可为基于图像的损伤检测和风机叶片损伤智能识别提供参考。     

企业基层党支部质量提升探索与实践

国网新源张家口风光储示范电站有限公司(以下简称风光储公司)生产技术部党支部作为国家电网有限公司的一个基层党组织,在发挥党组织的先锋模范作用和战斗堡垒作用中,更加注重将各项工作扎实落地,更加注重将党建工作与中心工作高度融合,更加注重具体工作开展的方式方法。风光储公司生产技术部党支部紧紧围绕"不忘初心、牢记使命"这一主题.