인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
In transformer power equipment, major welding defects often cause oil leakage due to flaws such as porosity, spatter, undercuts, and overlaps, as well as cracks and leakage resulting from frequent electromagnetic vibrations. These issues typically arise from reduced weld quality, component fatigue, thermal overload, and long-term operational conditions, ultimately leading to shorter equipment lifespan and serious safety risks. To address these challenges, in this paper, we propose an improved YOLOv8 model with a Convolutional Block Attention Module(CBAM) to detect and resolve multiple types of small defects on weld beads. The CBAM module is integrated into the neck part of the YOLOv8 network to enhance target features from both channel and spatial dimensions. The proposed YOLOv8-CBAM model demonstrated the most balanced performance across all metrics, reaching the highest precision (75.2%) and recall (77.6%). Although its mAP@50 (81.0%) was slightly lower than YOLOv5, it still outperformed YOLOv10 and YOLOv11, and its competitive mAP@50-95 (49.0%) confirmed its robustness in detecting defects of varying sizes.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096080129
