-
题名基于交叉注意力的多源数据融合的气体泄漏检测
- 1
-
-
作者
王新颖
杨阳
田豪杰
陈俨
张敏
-
机构
常州大学安全科学与工程学院
中国安全生产科学研究院交通安全研究所
中国石油化工股份有限公司华东油气分公司泰州采油厂
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第7期91-97,共7页
-
基金
常州市国际科技合作项目(CZ20210026)。
-
文摘
为解决单一传感器在管道气体泄漏检测时容易出现误报、漏报的问题,及时预警并反馈泄漏状况,提出一种基于交叉注意力的多源数据融合管道泄漏检测方法。首先,利用预训练的ShuffleNetV2模型提取热像仪数据的空间特征;然后,结合一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU),构建1DCNN-BiGRU模型,以提取气体传感器数据的时序特征;最后,运用交叉注意力捕获数据的时空关联性得到2个数据源的特征表示,通过残差方式进行特征连接后输入到分类层中,得到识别结果。结果表明:所构建的多源数据融合模型(SCGA)对气体识别准确率为99.22%,损失值在0~0.04内波动;与仅使用气体传感器数据的支持向量机(SVM)、1DCNN、BiGRU模型相比,准确率至少提升4.12%;与仅使用热图像传感器数据的MobileNetV3、ShuffleNetV2、ResNet18模型相比,准确率至少提升1.14%;与将时序特征和空间特征直接拼接的多源数据融合模型(SCG)相比,准确率提升1%。SCGA模型对气体识别具有较高精度。
-
关键词
交叉注意力
多源数据融合
气体泄漏检测
卷积神经网络(CNN)
双向门控循环单元(BiGRU)
-
Keywords
cross-attention
multi source data fusion
gas leak detection
convolutional neural network(CNN)
bidirectional gated recurrent unit(BiGRU)
-
分类号
X937
[环境科学与工程—安全科学]
-
