科研之友
微信
新浪微博
Facebook
分享链接
摘要
虽然传统卷积神经网络的识别率很高，但是其庞大的参数量会导致工业部署困难，且识别响应速度慢。引入轻量级卷积神经网络MobileNet，使用深度可分离卷积替代传统卷积，大大减少了模型参数量。以MobileNet为基准网络，实现了基于一维轻量级网络MobileNet-18的Φ-OTDR周界入侵事件识别。通过实验对比了不同结构下的网络识别率和识别速度，在保证模型的准确率不会大幅度降低的情况下，选取MobileNet-18作为最佳模型。采集了攀爬、切割、风吹、举起、拉动和走动这6种周界光纤入侵信号。在6种光纤入侵信号识别中，MobileNet-18达到了识别率为98.33%，响应时间为9.27 ms的最佳效果
- 单位
