湖南机电职业技术学院

本发明公开了一种风电机组叶片表面缺陷图像分类方法，首先通过灰度校正和滤波技术均衡图像亮度并去除噪声，随后采用图像分割与裁剪方法突出叶片区域，接着提取浅层纹理与深层抽象特征并融合形成多维度特征向量，针对缺陷细微部分权重较低的问题引入注意力机制强化关键区域响应，最后利用优化后的深度学习模型进行缺陷并行分类。本发明通过多层次特征提取与加权调整显著提升了缺陷特征的显著性，结合参数优化技术加速模型收敛，最终实现对风电机组叶片缺陷的高效精准识别，为风电设备维护提供了可靠技术支持。

本发明涉及智能推荐技术领域，具体为基于大数据的交互式数字媒体内容智能推荐方法，包括：采集用户在多平台的异构交互行为数据，通过跨平台身份映射与行为轨迹融合生成统一的用户全周期行为档案；基于该档案构建动态演化的用户兴趣图谱。实时处理新增内容，进行深度语义解构与特征提取，得到内容特征向量。将图谱与向量输入交互式匹配引擎，通过多轮双向注意力机制计算动态匹配度。根据匹配度生成初始推荐集，并注入模拟反馈环境进行预期交互模拟，依据模拟结果进行排序与多样性优化，生成最终推荐列表。该方法实现了对用户跨平台全景兴趣的深度理解，并通过动态交互式匹配与模拟优化，提升了推荐的精准性与多样性。