典型文献
基于稀疏轻量卷积神经网络的管道泄漏检测
文献摘要：
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.
文献关键词：
管道泄漏检测;卷积神经网络;梅尔频谱图;稀疏特征
中图分类号：
作者姓名：
刘杰;朱正伟
作者机构：
常州大学微电子与控制工程学院 常州213164
文献出处：
引用格式：
[1]刘杰;朱正伟-.基于稀疏轻量卷积神经网络的管道泄漏检测)[J].电子测量技术,2022(19):131-135
A类：
B类：
轻量卷积神经网络,管道泄漏检测,传统供水,供水管网,管网泄漏,检测问题,检测算法,声音传感器,声音信号,立体声,重采样,对齐,转换成,梅尔频谱图,卷积神经网络模型,特征抽取,特征图,时延,延性,Inception,边缘侧,SqueezeNet,轻量化卷积神经网络,模型复杂度,识别准确率,稀疏特征
AB值：
0.268063
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
