巡更巡检对企业、社区意义重大,而传统的巡更系统不具有便捷性和实时性、不能实时反馈上报巡更信息以及浪费资源。针对这些问题,电子巡更系统应运而生。智能手机的普及与NFC(Near Field Communication)技术的发展,带给人们生活方式的巨大变化,而将NFC标签与智能手机相结合,应用于电子巡更系统,则为巡更提供新的思路。同时,近年来神经网络、深度学习等新技术快速发展,人工智能应用于生活方方面面,CNN作为人工智能的一个产品,在图像处理领域有独特优势。因此本文将基于CNN的图像识别技术应用于巡更管道泄漏等级检测,并开发了一个支持手机操作的低成本实时电子巡更系统。本文主要工作如下:1.基于卷积神经网络的管道泄漏分类研究针对浙江某化工企业对巡更过程中发现液体管道泄漏时需要进行管道泄漏评级的需求,研究基于巡更照片进行管道泄漏自动分类的技术。论文基于卷积神经网络可自动提取图像特征的研究,提出了利用卷积神经网络的图像识别技术进行管道泄漏分类方案,设计并实现了基于卷积神经网络图像识别的管道泄漏分类器。论文针对传统卷积神经网络结构全连接层参数过多容易使网络过拟合问题,设计了一种符合管道泄漏图像识别特点的基于GAP全局池化技术的分类器架构,减少了参数数量,加快了模型训练速度,减轻了过拟合问题,进而提升了分类准确率。在此基础上对卷积神经网络的几种主流的梯度下降优化训练算法进行了研究,改进了Adam优化算法,进一步使分类器训练速度加快,准确率提高。实验研究中利用TensorFlow平台的Keras高层神经网络API,使用python编程搭建CNN神经网络模型,并通过大量样本集训练得到基于CNN的管道泄漏分类器。实验结果表明本文设计的管道泄漏自动识别分类器能够较好地代替人工管道泄漏检测,其准确率可达92%以上。本文描述了液体管道泄漏图像样本获取、图像预处理、基于卷积神经网络分类器架构设计、分类器训练和实验测试全过程。2.支持手机操作的低成本实时电子巡更系统开发针对浙江某化工企业对巡更系统的需求,使用NFC与Android等技术,开发了一个支持手机操作的B/S架构的广域网下电子巡更系统。该系统可借助手机功能实时通信,既方便管理人员的实时监控,又使联网成本较低。系统开发中对数据库关键信息的加密,保证重要信息的安全;对NFC标签的加密,保证巡更信息的安全性,并且能有效地防止巡更人员伪造巡更信息;基于百度地图的开发,则能在地图上显示巡更路线以及巡更点巡更情况,使界面友好直观;使用Spring、MySQL等开发的后台管理系统,可以对巡更人员进行调度与对巡更数据进行管理。本文描述了巡更系统开发的全过程,包括需求分析、总体设计、管道泄漏分类研究、功能设计、数据库设计、软件设计与实现。