基于稀疏轻量卷积神经网络的管道泄漏检测
针对传统供水管网泄漏检测问题,本文提出了一种基于稀疏轻量卷积神经网络的管道泄漏检测算法.首先通过声音传感器采集管道泄漏的声音信号,经过立体声转换、重采样、长度对齐等预处理操作后,将其转换成梅尔频谱图.然后,构建一种稀疏轻量化的卷积神经网络模型来对梅尔频谱图进行特征抽取和泄漏检测.针对声音特征图的稀疏和时延性质,本文采用Inception网络结构来进行提高模型的特征抽取能力.此外,因为该模型需要被部署到边缘侧,因此设计了一种基于SqueezeNet的轻量化卷积神经网络模型来减少模型的参数,降低模型复杂度.实验结果表明,提出的管道泄漏检测算法在保证复杂度较低的同时具有较高的识别准确率.
管道泄漏检测、卷积神经网络、梅尔频谱图、稀疏特征
45
TP391(计算技术、计算机技术)
2023-02-22（万方平台首次上网日期，不代表论文的发表时间）
共5页
131-135
