基于深度学习的墙式氧气吸入器检定方法

来源：计量学报杂志2024年第5期北京时间：

作者：黄康,孙斌,吴燕娟,裘凯军,赵玉晓

单位：中国计量大学计量测试工程学院,浙江 杭州 310018

摘要：针对墙式氧气吸入器检定时人工读数影响大、检定效率低等问题,提出一种基于深度学习的墙式氧气吸入器检定方法。通过工业相机拍摄墙式氧气吸入器图像,输入到改进后的残差块ResNet-18网络中,实现对浮子流量计的自动读数。残差块结构改进策略有:在直联通路中增加Dropout网络层;删除残差块中的1×1卷积层;使用LeakyReLU激活函数代替ReLU激活函数。将数据集按照51的比例划分为训练集和测试集,经过100批次的训练,网络模型在测试集上的准确率为98.37%。将中国计量科学研究院检定合格的墙式氧气吸入器连接至检定装置中检定,计算得到浮子流量计的最大示值误差为±0.2L/min,误差在允许范围内,检定结果相同。结果表明,该方法可以代替人工读数,有效提高检定效率。

关键词：流量计量;墙式氧气吸入器;检定装置;深度学习;残差块;ResNet-18网络

基金资助：国家自然科学基金(51475440)