[發明專利]一種工業流水線音頻識別方法、裝置及存儲介質

在審

• 申請號: 202011294784.5
• 申請日: 2020-11-18
• 公開（公告）號: CN112489627A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 劉軍;徐梓涵;張建行;侯青;劉洋;孫思琪;姜佳寧
• 申請（專利權）人: 武漢工程大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/22
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 尉保芳

本發明提供一種工業流水線音頻識別方法、裝置及存儲介質，方法包括：導入多個原始音頻數據，并分別對多個所述原始音頻數據進行數據轉化處理，得到多個待處理音頻數據，分別對多個所述待處理音頻數據進行降維處理，得到多個降維音頻數據；分別對多個所述降維音頻數據進行特征提取，得到多個音頻特征數據，并集合多個所述音頻特征數據，得到音頻特征數據集。本發明提高了對音頻噪音和靜音的分辨準確性，可以實現對小樣本短時間的快速準確測定，代替了人工處理成分數據，實現了高智能化、高準確率以及高效率的目標，且實現方法簡單，適合于普遍推廣，具有廣闊的市場前景。

技術領域

本發明主要涉及音頻識別技術領域，具體涉及一種工業流水線音頻識別方法、裝置及存儲介質。

背景技術

音頻分類從本質上講是一個音頻識別過程,包括特征抽取和分類兩個基本過程。音頻分類是解決音頻結構化問題和提取音頻內容語義的重要手段之一,是當前基于內容的音頻檢索領域的研究熱點,它在遠程教學、數字圖書館和新聞節目檢索等眾多領域都具有極大的應用價值。音頻分類是對音頻進行深度處理的基礎和前提。通過分類可以事先確定語音所處的音頻環境,為語音模型的自適應調整算法提供線索,從而提高語音識別的精度。因此,分類問題是基于內容的音頻檢索的核心問題。音頻分類技術是一個交叉研究領域,它涉及多個方面的知識,包括人耳的聽覺特征、信號與系統、數字信號處理、語音信號處理、模式識別、統計學習和人工智能等。目前,該領域的研究重點主要在以下兩個方面,即音頻特征分析與抽取以及分類器設計。在進行音頻自動分類之前,首先需要提取原始數據的特征信息。所選取的特征應該能夠充分表示音頻時頻域的重要分類特性,對環境的改變具有魯棒性和一般性。

現今，市場上對工業音頻的識別普遍存在時間過長、準確率不高的情況，從而降低了處理工業音頻的效率。

發明內容

本發明所要解決的技術問題是針對現有技術的不足，提供一種工業流水線音頻識別方法、裝置及存儲介質。

本發明解決上述技術問題的技術方案如下：一種工業流水線音頻識別方法，包括如下步驟：

導入多個原始音頻數據，并分別對多個所述原始音頻數據進行數據轉化處理，得到多個待處理音頻數據；

分別對多個所述待處理音頻數據進行降維處理，得到多個降維音頻數據；

分別對多個所述降維音頻數據進行特征提取，得到多個音頻特征數據，并集合多個所述音頻特征數據，得到音頻特征數據集；

構建訓練模型，并根據所述訓練模型對所述音頻特征數據集進行訓練，得到音頻特征模型；

對所述音頻特征模型進行參數更新，得到更新后的音頻特征模型；

根據所述更新后的特征檢測模型對待識別的音頻數據進行識別，得到識別結果。

本發明解決上述技術問題的另一技術方案如下：一種工業流水線音頻識別裝置，包括：

數據轉換處理模塊，用于導入多個原始音頻數據，并分別對多個所述原始音頻數據進行數據轉化處理，得到多個待處理音頻數據；

降維處理模塊，用于分別對多個所述待處理音頻數據進行降維處理，得到多個降維音頻數據；

特征提取模塊，用于分別對多個所述降維音頻數據進行特征提取，得到多個音頻特征數據，并集合多個所述音頻特征數據，得到音頻特征數據集；

模型訓練模塊，用于構建訓練模型，并根據所述訓練模型對所述音頻特征數據集進行訓練，得到音頻特征模型；

參數更新模塊，用于對所述音頻特征模型進行參數更新，得到更新后的音頻特征模型；

識別結果獲得模塊，用于根據所述更新后的特征檢測模型對待識別的音頻數據進行識別，得到識別結果。