改进稠密块轻量化神经网络的管道泄漏孔径识别

摘要：

深度神经网络的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用.提出一种优化卷积改进稠密块的轻量化神经网络用于管道泄漏孔径识别.首先将深度可分离卷积与异构卷积结合,构造了新的多卷积稠密块实现泄漏信号的特征提取;之后采用卷积注意力机制对特征进行权重划分,实现特征的重要性区分;最后通过分类器获取结果.实验结果表明,本文方法识别准确率达到了 96.59％,参数量仅为781 KB.本文方法在保证高识别准确率的同时,参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义.

关键词：管道泄漏孔径识别、轻量级网络、深度可分离卷积、异构卷积、多卷积稠密块

所属期刊栏目：43

分类号：TP391.4;TH865(计算技术、计算机技术)

资助基金：河北省自然科学基金;河北省自然科学基金;河北省高等学校科学技术研究项目;河南省青年人才托举计划

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：98-108