.png){kind=icon}
返回
An Image Understanding Method and Application
.png){kind=icon}
PRE
AI
DOI：10.1007/s13369-025-10845-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了使机器能够基于图像的特征和属性自动且准确地确定图像主题，确保线路安全，本文提出了一种基于图像理解的故障诊断方法。该方法首先定义了不确定集合和关系划分函数，然后基于图像特征与特征属性之间的关系定义了基本置信度。最后，通过结合不同的置信度函数来确定图像主题，以更准确地理解图像。研究了图像理解方法在线路安全中的应用，并开发了一种基于图像理解方法的智能线路故障诊断系统。实验表明，所开发的系统通过基本信任度的各种组合，对事件X表现出显著更高的置信度。此外，与现有的其他故障诊断方法相比，本文提出的语义理解诊断方法系统不仅在诊断方面表现出更高的准确性，还提供了更快的速度和更强的抗干扰能力。此外，该方法能够适应更复杂的环境。
Keyword:
Belief degree function
Image features
Semantic reasoning
Image understanding
Fault diagnosis
期刊
A
IF:
2.9
论文数:
1.1K
被引数:
0
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏Pressure swirl nozzles with different discharge orifice shapes injecting into transverse airflow.png)
PHYSICS OF FLUIDS
PHYSICS OF FLUIDSIF4.3
PREAI
分享收藏
Gradient-based learning applied to document recognition基于梯度的学习在文档识别中的应用PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏Uncertainty-Aware Ensemble Combination Method for Quality Monitoring Fault Diagnosis in Safety-Related Products安全相关产品质量监控故障诊断的不确定性感知集成组合方法
PREAI
分享收藏Fault diagnosis of hydro-turbine via the incorporation of bayesian algorithm optimized CNN-LSTM neural networkENERGY
ENERGYIF9.4
PREAI
分享收藏
查看更多内容