摘要
本发明公开了一种基于人工智能的有害气体泄漏检测方法,涉及有害气体泄漏检测技术领域,本发明通过多模态数据融合和深度时空建模,有效缓解泄漏初期气体扩散缓慢、信号微弱的问题;本发明采用时间卷积网络与空间卷积网络相结合,提取连续帧中的时空动态特征,并融合为复合特征向量,充分捕捉微弱泄漏信号;通过嵌入分支网络和二维高斯模型对泄漏气体区域进行实例分割,有效将同一泄漏实例内像素聚拢成斜椭圆形簇,提升分割精度;引入在线校正机制利用多模态数据与分割结果实时调整传感器布设位置和朝向,降低初始布设误差带来的影响。
技术关键词
气体泄漏检测方法
二维高斯模型
时序特征
多模态数据融合
时间卷积网络
像素
光谱成像
热成像传感器
深度神经网络
可见光传感器
实例分割
协方差矩阵
红外吸收原理
校正算法
索引
卷积神经网络提取
聚类
系统为您推荐了相关专利信息
时序特征
车辆轨迹预测方法
交互特征
融合特征
注意力机制
会议设备
健康状态信息
多模态传感器
加权融合算法
频域特征提取
协同预警方法
设备状态传感器
图谱
动态
神经网络技术
网格
时序特征
多维特征向量
多源时空数据
脉冲编码器