基于深度学习的声学气体泄漏检测系统

简介

作为本科生团队，我们研发了一款基于深度学习的声学气体泄漏检测系统。研究内容有：基于BiRNN对MEMS麦克风材料结构进行逆向设计；基于CNN的同心圆锥形麦克风阵列；基于深度状态空间模型的组合滤波算法。今年我们在镇海炼化进行了5个月的推广与应用，将设备安装的管道群四周，数据在自主研发的深度学习模型中训练，在可视化大屏显示。系统成功发现了微小泄漏点78个，预测了10个大泄漏点，检测准确率达到了95%。