基于深度神经网络的电厂跑冒滴漏智能识别方法研究

作     者：田维青 彭雪飞 王成军 居亮 姜浏 张萌 TIAN Weiqing;PENG Xuefei;WANG Chengjun;JU Liang;JIANG Liu;ZHANG Meng

作者机构：贵州黔源电力股份有限公司贵州贵阳550002 南京南自信息技术有限公司江苏南京210003 东南大学电子科学与工程学院江苏南京210096 

基　　金：2021年工信部人工智能产业创新任务揭榜挂帅项目 

出 版 物：《电子器件》 (Chinese Journal of Electron Devices)

年 卷 期：2024年第47卷第2期

页      码：524-529页

摘      要：电厂设备复杂,容易发生跑冒滴漏问题,人工巡检存在发现滞后、人为疏忽、不能实时传达异常情况等问题。基于深度学习卷积神经网络、迁移学习和小样本学习技术,设计电厂异常状态智能识别报警系统,利用深度学习模型检测监控系统捕获的现场图片,识别常见的设备跑冒滴漏现象,准确并且及时地发出警告,以此提高电厂的安全监管和对意外事故的应急能力。采用相对成熟的YOLOv5作为目标检测网络基础框架,针对跑冒滴漏数据稀少问题,对网络结构进行优化并采用迁移学习与小样本学习方法来提高网络识别精度。结果表明,基于深度学习卷积神经网络的电厂异常状态智能识别报警系统,能够保持电厂异常状态识别的准确性和实时性。该系统可以实现自主全天候智能检测,及时推送报警信息,减少利用人力关注监控设备排查异常状态可能发生的疏漏,降低电厂运行维护成本,提高电厂的安全监管与对意外事故的应急能力。

主 题 词：电厂 跑冒滴漏 人工智能 深度卷积神经网络 智能报警 

学科分类：0711[理学-心理学类] 12[管理学] 1201[管理学-管理科学与工程类] 07[理学] 08[工学] 081104[081104] 080401[080401] 0804[工学-材料学] 080402[080402] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1005-9490.2024.02.035

馆 藏 号：203128139...