天然气是工业生产和人们生活的主要能源之一,在我国天然气传输多数采用压力管道输送方式,由于管道老化及复杂环境的影响,管道泄漏事故时有发生。管道泄漏会带来经济损失、人员伤亡和环境污染等问题,因此研究管道泄漏孔径识别,对于快速、准确判断泄漏规模,迅速制定抢修措施意义重大。该文主要研究基于轻量化神经网络的天然气管道泄漏孔径识别。深度神经网络类的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用,为此提出一种基于改进稠密块的轻量化神经网络用于管道泄漏孔径识别。该方法首先构造了新的多卷积稠密块实现特征提取;之后引入卷积注意力机制实现特征的重要性区分。实验结果表明,该方法在保证较高识别准确率的同时,网络模型的参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义。针对仅使用人工经验设计轻量化神经网络需要设计者有丰富的专业知识经验,以及单独使用神经网络架构搜索算法搜索的网络模型存在计算量大、搜索时间长等问题,该文研究将人工经验与架构搜索联合构造轻量化神经网络。首先通过人工经验设计轻量级幽灵块提取复杂泄漏信号的特征;之后采用基于堆叠块结构的神经网络架构搜索出最优的网络架构;再用幽灵块处理架构搜索后的冗余特征。该方法既能减轻对专业知识经验的依赖、降低参数量、加快搜索速度,又能搜索到性能优异的网络架构。该文方法在管道泄漏孔径数据集上进行了验证,并深入分析了其重要参数的影响;文中还将该文研究方法与常用方法进行了对比,实验结果表明该文研究方法具有较好的效果。