浙江省省自然科学科学基金研究计划-探索项目（2022年立项）：基于多模态深度学习的地下管网防外破智能监测算法研究（负责人：王天磊）
项目主要信息：
地下管网是保障城市正常运行的生命线，承载着供排水、天然气与电力能源供应、通信传输等重要任务。但近年来城市地下管网被外力破坏的事故层出不穷，造成巨大的经济损失与难以估量的间接损失。鉴于此，本项目拟分别从图像与声音两方面同时展开研究，包括：提出基于图像混合注意力机制模块多视角区域候选卷积神经网络工程器械图像识别模型，克服城市地下管网所在环境复杂、干扰源动态多变的问题，实现基于图像识别的地下管网防外破监测；提出基于Minimax准则的单分类深度神经网络模型，克服声源类型多样的问题，同时引入最大相关熵准则提升模型的抗噪性，实现基于声信号识别的地下管网防外破监测。最后，考虑到单一模态信号的监测系统在数据缺失或强干扰时误警率高、鲁棒性差，因此结合上述基于深度神经网络的图像与声音识别模型，提取深度神经网络隐藏层输出作为多模态信号特征，构建自适应融合的多模态深度学习地下管网防外破监测系统模型。
