本申请涉及天然气管道检测领域，特别是涉及一种天然气管道泄漏智能检测方法、设备、介质及产品。
背景技术：
1、随着管道铺设里程数的增加，管道发生气体泄漏事故的概率也在增加。天然气管道发生事故的原因主要包括管道腐蚀老化、现场作业发生的磨损以及地震等自然灾害、打孔偷盗油气等人为影响等。天然气管道一旦发生泄漏，不仅会污染环境、造成能源浪费，而且会危害人民生命财产安全。实时监测管道的运行状态，及时准确检测泄漏事件的发生，有利于相关部门快速采取应对措施，从而提高管道运输能力。因此，开发可靠的天然气管道泄漏快速检测方法具有重要的意义。
2、天然气管道泄漏会导致管道运行状态参数(声波、温度、压力、流量等)发生变化。目前，基于数据驱动的天然气管道泄漏检测大致可分为：负压波法、声发射泄漏检测法、压力点分析法、质量/体积平衡法等。虽然上述方法在管道泄漏检测中取得了良好的效果，然而，这些方法大多从现场采集大量数据，然后经过离线分析处理，在计算机或服务器上实现对管道的泄漏检测，存在模型结构复杂、抗噪性能差、不能实现对管道泄漏的实时检测等问题。同时，这些检测方法大多采用一种数据进行管道泄漏状态分析，没有综合分析管道运行状态的多模态参数。另外，对于长输天然气管道而言，系统通常由许多大小、形状各异的管道段组成，需要布设大量的传感器用于监测不同管道段的健康状态，在边缘端进行实时检测存在硬件资源受限的问题。而离线检测的方式则需要云端服务器长期接收和处理海量的数据，这对数据传输和处理带来很大挑战。
技术实现思路
1、本申请的目的是提供一种天然气管道泄漏智能检测方法、设备、介质及产品，旨在边缘端对多模态数据进行智能处理，能够自行预测管道段的泄漏情况。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种天然气管道泄漏智能检测方法，包括：
4、获取天然气管道的多模态数据；所述多模态数据包括不同探测节点的温度数据、压波数据和声振动数据中的一种或多种；
5、对所述多模态数据进行预处理，得到预处理数据；
6、将所述预处理数据输入至高维特征提取网络，得到高维泄漏特征信息；
7、将所述高维泄漏特征信息输入至分类网络，得到天然气管道泄漏等级的分类预测结果。
8、可选地，对所述多模态数据进行预处理，得到预处理数据，具体包括：
9、对所述多模态数据进行归一化处理，得到归一化数据；
10、通过滑动窗口将所述归一化数据进行分帧，并重构为设定长度的样本；
11、对设定长度的样本进行汉明窗处理，得到处理结果；
12、对所述处理结果进行短时傅里叶变换，得到所述预处理数据。
13、可选地，所述高维特征提取网络由2个卷积模块组成；第一个卷积模块的输出作为第二个卷积模块的输入。
14、可选地，每个所述卷积模块均包括：1个深度卷积层、第一批处理标准化层、第一relu激活层、1个逐点卷积层、第二批处理标准化层、第二relu激活层、1个特征融合层和1个平均池化层
15、每个卷积模块中，输入数据分两路，一路输入数据依次经过所述深度卷积层、所述第一批处理标准化层和所述第一relu激活层得到单模态数据的空间特征，单模态数据的空间特征依次经所述逐点卷积层、所述第二批处理标准化层和所述第二relu激活层，得到多模态数据的通道特征，另一路输入数据与所述多模态数据的通道特征在所述特征融合层进行特征融合，融合后的特征经所述平均池化层进行池化处理得到输出。
16、可选地，所述分类网络包括：2个卷积层、1个全局平均池化层和1个softmin激活层。
17、第二方面，本申请提供了一种天然气管道泄漏智能检测设备，包括：
18、传感模块，包括多种传感器，用于采集天然气管道的多模态数据；所述多模态数据包括不同探测节点的温度数据、压波数据和声振动数据中的一种或多种；
19、处理模块，与所述传感模块连接，用于实施上述提供的天然气管道泄漏智能检测方法，以基于所述多模态数据得到天然气管道泄漏等级的分类预测结果。
20、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以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计算机程序以实现上述提供的天然气管道泄漏智能检测方法的步骤。
21、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述提供的天然气管道泄漏智能检测方法的步骤。
22、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述提供的天然气管道泄漏智能检测方法的步骤。
23、根据本申请提供的具体实施例，本申请公开了以下技术效果：
24、本申请提供了一种天然气管道泄漏智能检测方法、设备、介质及产品，通过对多模态数据进行预处理，得到预处理数据，并将预处理数据输入至高维特征提取网络，能够得到高维泄漏特征信息；通过采用轻量化网络(即分类网络)，能够基于将高维泄漏特征信息得到天然气管道泄漏等级的分类预测结果，完成管道段泄漏情况的自行预测，实现天然气管道泄漏等级的实时智能检测。
1.一种天然气管道泄漏智能检测方法，其特征在于，所述天然气管道泄漏智能检测方法包括：
2.根据权利要求1所述的天然气管道泄漏智能检测方法，其特征在于，对所述多模态数据进行预处理，得到预处理数据，具体包括：
3.根据权利要求1所述的天然气管道泄漏智能检测方法，其特征在于，所述高维特征提取网络由2个卷积模块组成；第一个卷积模块的输出作为第二个卷积模块的输入。
4.根据权利要求3所述的天然气管道泄漏智能检测方法，其特征在于，每个所述卷积模块均包括：1个深度卷积层、第一批处理标准化层、第一relu激活层、1个逐点卷积层、第二批处理标准化层、第二relu激活层、1个特征融合层和1个平均池化层；
5.根据权利要求1所述的天然气管道泄漏智能检测方法，其特征在于，所述分类网络包括：2个卷积层、1个全局平均池化层和1个softmin激活层。
6.一种天然气管道泄漏智能检测设备，其特征在于，所述天然气管道泄漏智能检测设备包括：
7.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在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计算机程序以实现权利要求1-5中任一项所述的天然气管道泄漏智能检测方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的天然气管道泄漏智能检测方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的天然气管道泄漏智能检测方法。
