摘要
本申请涉及智能检测领域,其具体地公开了一种埋地钢制管道的泄漏点检测系统及方法,其通过获取操作员在移动电极至多个位置时的电场强度的分贝值以得到位置数据和电场强度的分贝值的集合,并采用基于深度学习神经网络技术的数据处理和分析技术对所述位置数据,电场强度的分贝值进行嵌入联合编码和相互关联,以此基于所述位置‑电场强度在各个位置上电场强度的聚合特征来自动地得出泄漏点的位置数据的推断结果。通过该方式,系统能够更准确地推断出泄漏点的位置,提供更全面的管道状态信息,从而提高检测的准确性和可靠性,减少潜在的安全风险。
技术关键词
编码向量
电场
点检测系统
强度
埋地钢制管道
深度学习神经网络技术
特征值
泄漏点检测方法
超参数
指数
序列
数据
处理单元
编码模块
电极
解码器
非线性