인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
Abstract The traditional fault diagnosis of agricultural sprinkler irrigation machinery and equipment has the disadvantages of low accuracy and time-consuming. To solve these problems, the study designs a machine vision (MV)-based fault diagnosis model for agricultural sprinkler irrigation machinery and equipment. The study first investigates MV in sprinkler irrigation equipment fault diagnosis, then constructs a fault diagnosis model using improved convolutional neural network, and finally compares it with other methods to verify the performance of the model. The results showed that in the Iris dataset, the accuracy of the proposed algorithm was 95.13%, the training accuracy was 0.95, and the recall rate was 89.7%, which were better than the comparison methods. In the mechanical fault diagnosis dataset, the highest accuracy of the proposed model could reach 98.45%. This indicates that the MV model constructed in the study has higher accuracy and efficiency in the fault diagnosis of agricultural sprinkler irrigation mechanical equipment, which provides convenience for maintenance and repair.
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
