基于深度可分离卷积密集连接网络的异物入侵识别方法

本申请涉及一种基于深度可分离卷积密集连接网络的异物入侵识别方法，包含以下步骤：数据集构建，使用基于分布式声波传感的数据采集系统收集光纤传感器沿线的时‑空二维声场分布数据流；构建深度可分离卷积密集连接网络模型；经过公开ECG心电图数据集训练得到预训练模型，经过域迁移后再通过异物入侵数据集进行微调优化，模型优化完成后，即可对异物入侵数据进行分类识别。本申请解决现有异物入侵识别方法难以兼顾准确性和实时性的特点，同时利用了深度可分离卷积结构减少计算量的特性和密集连接网络特征复用的特点，在计算量显著减少的情况下提高模型识别率。