陈 杨

基于深度学习的设备故障图像识别方法能够在自动化生产中实现高效、准确的故障检测。随着工业设备故障频发，传统的故障诊断方法常常依赖人工检查，效率低且容易出错。深度学习在计算机视觉领域的应用为设备故障图像识别提供了新的思路。通过训练卷积神经网络(CNN)模型，能够从设备故障图像中自动提取特征，判定故障类型并定位故障源，显著提高了诊断精度和速度。实验结果表明，基于深度学习的图像识别方法在设备故障诊断中的应用具有较好的性能，能够有效支持生产线的智能化运维。

深度学习；设备故障；图像识别；卷积神经网络；智能诊断

[1] 王盛辉.基于深度学习的变电站隔离开关故障识别方法的研究与实现[D].太原科技大学,2025. [2] 赵晓晗.基于深度学习的变电站电力设备可视故障图像识别与诊断研究[J].江西电力职业技术学院学报,2024,37(10):5-8. [3] 赖光明.融合频域深度学习的电气设备红外图像识别[D].西南石油大学,2024.

点击下载PDF