摘要
本发明公开了一种基于多模态数据融合和多任务学习的供水管网声泄漏监测方法,包括:输入原始声信号,并进行标签标注;将原始声信号进行转换,以获得对应的对数梅尔频谱图;对原始声信号进行特征提取,以构建时频特征集合;将原始声信号,对数梅尔频谱图,标签以及时频特征集合组成数据集;基于残差卷积神经网络框架构建多级任务预测网络;利用数据集对多级任务预测网络进行多任务训练,以获得供水管网声泄漏监测模型;将采集点的原始声信号输入至供水管网声泄漏监测模型中,以获得预测结果。本发明还提供了一种供水管网声泄漏监测装置。本发明提供的方法通过数据驱动的声学检测技术从泄漏检测方面推进到更全面的声泄漏监测应用。
技术关键词
泄漏监测方法
多模态数据融合
多任务
供水管
特征提取器
周期性干扰信号
残差卷积神经网络
泄漏监测装置
多模态特征融合
时域特征
频域特征
特征提取模块
表达式
声学检测技术
电磁脉冲干扰
频谱特征
融合特征
标签
系统为您推荐了相关专利信息
机载相机
操控方法
操控无人机
多任务学习策略
计算机可执行指令
高精度皮带秤
多模态数据融合
校准
伺服电机驱动
预警模块
AI助手
管理控制系统
多模态深度学习
铸钢
人机交互界面
条件生成对抗网络
联邦学习方法
分类器
客户端
分类网络
智能人机交互方法
多功能展示柜
多任务联合训练
语义标签
语音输入模块