一种基于深度学习的气体泄漏检测方法、系统、设备及存储介质
河南省科学院应用物理研究所有限公司 河南省科学院
2025-08-01
泄漏检测模型 空间金字塔池化 泄漏检测技术 声源特征数据集 声源信号 实时在线监测 深度学习模型 主干网络 注意力模块
本发明公开了一种基于深度学习的气体泄漏检测方法、系统、设备及存储介质,涉及气体泄漏检测技术领域.所述气体泄漏检测方法包括:获取声源信号数据集;对声源信号数据集进行特征提取,获取声源特征数据集;将声源特征数据集输入基于改进YOLOv7网络的气体泄漏检测模型中进行训练;提取待检测声场信号的特征,利用训练好的气体泄漏检测模型对待检测声场信号的特征进行检测;其中YOLOv7网络的改进之处包括:在YOLOv7网络的原始主干网络中增加多个改进的CA注意力模块;在YOLOv7网络的原始主干网络后增加空间金字塔池化模块;在YOLOv7网络的头部预测模块中采用改进的IoU损失函数.本发明基于改进YOLOv7深度学习模型实现对泄漏气体的实时在线监测.
