氨气泄漏混洗自注意力轻量化红外检测

摘要：

氨气是重要的基础工业原材料,实现其非接触探测对于及时发现氨气泄漏,避免重大安全事故发生具有重要意义.针对常规氨气泄漏检测装置需等到氨气扩散到一定范围并与传感器接触时才能响应的不足,提出一种混洗自注意力网络(SSANet)模型实现氨气泄漏红外非接触检测.因红外热像仪获取的氨气泄漏图像含噪高、对比度低,故通过非局部均值去噪、限制对比度的自适应直方图均衡化预处理建立氨气泄漏红外检测数据集.SSANet模型在YOLOv5s基础上通过K-means算法聚类分析出适用于氨气泄漏红外检测的候选框以预置模型参数;采用轻量级ShuffleNetv2网络,将其Shuffle Block中的 3×3的深度可分离卷积核替换为 5×5,采用含有新卷积模块的SK5 Block对特征提取网络进行重构,使模型大小、计算量和参数量实现轻量化的同时提高检测精度;采用Transformer模块代替原网络瓶颈模块中的C3模块实现泄漏区域多头注意力自底向上融合,实现检测精度的再次提升.实验结果表明,SSANet模型较YOLOv5s基础模型大小和参数量分别减少76.40％、78.30％,降为3.40 M、1.53 M;单张图像平均检测速度提升1.10％,达到3.20 ms;平均检测精度提升 3.50％,达到 96.30％.本文为开发氨气泄漏非接触探测装置以保障涉氨企业的安全生产和稳定运行提供了一种有效的检测算法.

关键词：氨气泄漏检测、红外图像、聚类分析、轻量化结构、Transformer模块

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：607-619