管道泄漏检测模型的训练方法、管道泄漏检测方法及装置

本发明涉及信息处理，尤其涉及一种管道泄漏检测模型的训练方法、管道泄漏检测方法及装置。

背景技术：

1、随着城市快速发展，供水范围不断扩大。由于城市管网设计不合理、新旧管网材料不一致、管道自然老化以及人为等因素，管道极易发生破损泄漏。但管网一般铺设在地下，泄漏不易被发现，因此造成大量的经济损失，甚至对环境和安全造成影响。

2、因此，如何快速地发现埋地管道中的泄漏，对于保障管道的安全有序的正常运行至关重要。

技术实现思路

1、本发明提供一种管道泄漏检测模型的训练方法，用以解决现有技术中埋地管道的泄漏检测效率低的缺陷。

2、本发明提供一种管道泄漏检测模型的训练方法，包括：

3、步骤一：获取针对供水管网的观测信息，并对其进行预处理；

4、步骤二：根据预处理后的观测信息，确定其是否为异常观测信息；

5、步骤三：在所述预处理后的观测信息为异常观测信息的情况下，使用vmd对所述观测信息进行分解重构，得到一系列imf分量；

6、步骤四：从所述一系列imf分量中选择出包含冲击成分的imf分量；

7、步骤五：根据所述包含冲击成分的imf分量训练初始第一分类模型，得到训练好的第一分类模型；所述分类模型用于预测管道是否发生了泄漏。

8、根据本发明提供的一种管道泄漏检测模型的训练方法，所述步骤一包括：

9、采集供水管网上分布的监测点检测到的观测信息；

10、对所述观测信号使用带通滤波进行滤波处理，得到滤波后的观测信号，以所述滤波后的观测信号作为预处理后的观测信息。

11、根据本发明提供的一种管道泄漏检测模型的训练方法，所述步骤二包括：

12、对滤波后的每一个观测信号在时域和频域上分别进行特征值提取，对应得到时域特征和频域特征；

13、根据所述时域特征和频域特征构造特征向量，并将所述特征向量输入训练好的第二分类模型，通过该第二分类模型预测所述观测信息是否为异常观测信息；

14、所述训练好的第二分类模型为根据预先采集到的正常观测数据和异常观测数据训练支持向量机svm得到的，该支持向量机svm的惩罚系数c为2，核函数为rbf径向基核。

15、根据本发明提供的一种管道泄漏检测模型的训练方法，所述步骤四包括：

16、根据所述一系列imf分量，确定每个imf分量对应的自相关函数，并根据所述自相关函数确定每个imf分量的样本熵；

17、将所述每个imf分量的样本熵与预先设定的第一阈值进行比较，如果所述imf分量的样本熵大于所述预先设定的阈值，则将对应的imf分量作为所述包含冲击成分的imf分量。

18、根据本发明提供的一种管道泄漏检测模型的训练方法，所述对滤波后的每一个观测信号在时域和频域上分别进行特征值提取，对应得到时域特征和频域特征包括：

19、对滤波后的每一个观测信号在时域上提取其对应的均值、方差、最大值作为时域特征；

20、对滤波后的每一个观测信号在频域上提取其对应的频率重心、频谱峭度以及频谱均方根值作为频域特征。

21、根据本发明提供的一种管道泄漏检测模型的训练方法，所述步骤五包括：

22、将每一个所述包含冲击成分的imf分量进行hilbert变换，得到其对应的瞬时幅度和瞬时频率；

23、将所述瞬时幅度和瞬时频率进行hilbert-huang变换，得到hilbert时频谱图像；

24、将所有包含冲击成分的imf分量对应的时频谱图像作为训练集，训练初始第一分类模型，得到训练好的第一分类模型。

25、根据本发明提供的一种管道泄漏检测模型的训练方法，所述初始第一分类模型采用resnet18网络；

26、所述训练初始第一分类模型包括：

27、利用imagenet数据集预训练resnet18网络，得到预训练好的resnet18网络；

28、将所述预训练好的resnet18网络的全连接层修改为二分类，再使用所述包含冲击成分的imf分量对应的时频谱图像作为训练集训练修改后的resnet18网络，训练时冻结特征提取层的参数，仅对全连接层的参数进行训练，最终得到训练好的所述第一分类模型。

29、本发明还提供一种管道泄漏检测方法，包括：

30、获取待检测供水管网的观测信息，并对其进行预处理，得到预处理后的观测信息；

31、从所述预处理后的观测信息中选择出异常观测信息，并对选择出的异常观测信息进行分解重构，得到一系列imf分量；

32、从所述一系列imf分量中选择出包含冲击成分的imf分量，并将该包含冲击成分的imf分量输入所述训练好的第一分类模型，通过该训练好的第一分类模型检测供水管网是否发生泄漏。

33、本发明还提供一种管道泄漏检测模型的训练装置，

34、获取单元，用于获取针对供水管网的观测信息，并对其进行预处理；

35、预处理单元，用于根据预处理后的观测信息，确定其是否为异常观测信息；

36、分解重构单元，用于在所述预处理后的观测信息为异常观测信息的情况下，使用vmd对所述观测信息进行分解重构，得到一系列imf分量；

37、选择单元，用于从所述一系列imf分量中选择出包含冲击成分的imf分量；

38、训练单元，用于根据所述包含冲击成分的imf分量训练初始第一分类模型，得到训练好的第一分类模型；所述分类模型用于预测管道是否发生了泄漏。

39、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述管道泄漏检测模型的训练方法或者实现如上所述的管道泄漏检测方法。

40、本发明提供的管道泄漏检测模型的训练方法、管道泄漏检测方法及装置，首先通过确认供水管网的异常观测信息，并对异常观测信息进行分解重构，以从分解重构后的一系列imf分量中选择出包含冲击成分的imf分量来训练分类模型，使得得到的模型能够精确预测管道是否发生了泄漏。

技术特征：

1.一种管道泄漏检测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的管道泄漏检测模型的训练方法，其特征在于，所述步骤一包括：

3.根据权利要求2所述的管道泄漏检测模型的训练方法，其特征在于，所述步骤二包括：

4.根据权利要求3所述的管道泄漏检测模型的训练方法，其特征在于，所述步骤四包括：

5.根据权利要求3所述的管道泄漏检测模型的训练方法，其特征在于，所述对滤波后的每一个观测信号在时域和频域上分别进行特征值提取，对应得到时域特征和频域特征包括：

6.根据权利要求1-5任一所述的管道泄漏检测模型的训练方法，其特征在于，所述步骤五包括：

7.根据权利要求6所述的管道泄漏检测模型的训练方法，其特征在于，所述初始第一分类模型采用resnet18网络；

8.一种管道泄漏检测方法，其特征在于，包括：

9.一种管道泄漏检测模型的训练装置，其特征在于，包括：

10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述管道泄漏检测模型的训练方法或者实现如权利要求8所述的管道泄漏检测方法。

技术总结
本发明提供一种管道泄漏检测模型的训练方法、管道泄漏检测方法及装置。模型训练方法包括：获取针对供水管网的观测信息，并对其进行预处理；利用预处理后的观测信息确定其是否为异常观测信息；在预处理后的观测信息为异常观测信息的情况下，使用VMD对所述观测信息进行分解重构，得到一系列IMF分量；从一系列IMF分量中选择出包含冲击成分的IMF分量；利用包含冲击成分的IMF分量训练初始第一分类模型，得到训练好的第一分类模型。本发明提供的方法，能够通过分类模型精确预测管道是否发生了泄漏。

技术研发人员：李波,裴峥,杨梅
受保护的技术使用者：西华大学
技术研发日：
技术公布日：2024/2/29