[發明專利]基于神經網絡的聲音檢測方法、工業聲學檢測系統及方法

在審

• 申請號: 202110431912.4
• 申請日: 2021-04-21
• 公開（公告）號: CN113140229A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 朱寶鶴;任百吉;孫永吉
• 申請（專利權）人: 上海泛德聲學工程有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/24;G06N3/04;G06N3/08
• 代理公司: 上海諾衣知識產權代理事務所(普通合伙) 31298
• 代理人: 劉艷芝

本發明公開了一種基于卷積神經網絡的聲音檢測方法，以及在工業上的應用，包括卷積神經網絡模型的訓練階段和預測階段，其中，在訓練階段，首先，對已標記標簽的聲音信號做預處理，將一定數量的聲音信號轉換為二維音頻特征；然后，將所有二維音頻特征作為樣本，輸入至未訓練的卷積神經網絡模型進行訓練，獲得具有訓練好參數的卷積神經網絡模型；在預測階段，實時將獲取的聲音信號轉換為二維音頻特征，并輸入至訓練好的卷積神經網絡模型，獲取卷積神經網絡模型輸出的聲音預測。提高了聲音處理的預測準確率。應用該方法對工業產品異響進行檢測，對工業異響數據集進行測試，預測準確率達到95％。

技術領域

本發明屬于聲音處理領域，具體涉及一種基于神經網絡的聲音檢測方法、工業聲學檢測系統及方法。

背景技術

聲音異響對工業生產企業判斷產品的質量起著至關重要的作用。現有的工業聲音異響檢測主要還是依賴于人工聽。這需要工人有較豐富的經驗，存在很大的主觀性。同一個工業產品發出的聲音，兩個工人可能一個認為是聲音合格，另一個認為是不合格。這種潛在的不一致性，影響了生產企業對產品良品率的質量把控。另外，人工聽異響也影響了生產線的效率，無法在自動化生產線全面推廣。

深度學習的卷積神經網絡在人工智能圖像處理方面獲得很大的成功，人們提出各種模型框架應用于圖像分類等領域。但如果把這些模型直接應用于聲音檢測分類，則缺乏針對性，預測準確率也不高。

發明內容

本發明所要解決的技術問題是：提供一種基于神經網絡的聲音檢測方法，解決了現有技術中卷積神經網絡模型直接用于聲音檢測，準確率低的問題。

本發明為解決上述技術問題采用以下技術方案：

基于卷積神經網絡的聲音檢測方法，包括卷積神經網絡模型的訓練階段和預測階段，其中，在訓練階段，首先，對已標記標簽的聲音信號做預處理，將一定數量的聲音信號轉換為二維音頻特征；然后，將所有二維音頻特征和標簽作為樣本，輸入至未訓練的卷積神經網絡模型進行訓練，獲得具有訓練好參數的卷積神經網絡模型；

在預測階段，實時將獲取的聲音信號轉換為二維音頻特征，并輸入至訓練好的卷積神經網絡模型，獲取卷積神經網絡模型輸出的聲音預測。

將一定數量的聲音信號轉換為二維音頻特征的過程如下：

對聲音信號設定時間長度進行分幀，得到N個聲音片段，每一個聲音片段即為一幀，對每一幀聲音信號計算對數梅爾特征，將所有分幀的對數梅爾特征合成得到二維音頻特征，

對數梅爾特征的計算方法如下所示：

每幀聲音信號→傅里葉變換→取模→梅爾濾波器→對數變換→對數梅爾特征。

卷積神經網絡模型的訓練流程如下：

步驟1、將已經標記過“正常”或“異常”標簽的聲音信號按比例劃分為訓練集和測試集；

步驟2、將訓練集中的所有數據分批依次輸入卷積神經網絡模型，每輸入一批數據計算一次模型輸出值，利用輸出值和標簽計算損失函數值，應用損失函數值對卷積神經網絡模型的參數進行一次更新，同時計算訓練集預測準確率，輸入完所有批次數據即完成一個訓練周期；

步驟3、一個訓練周期結束后，將測試集數據導入當前參數更新的卷積神經網絡模型，計算測試集的預測準確率和損失函數值；

步驟4、重復執行步驟2、步驟3，直至預先設定的訓練周期總數完成，獲取具有訓練好參數的卷積神經網絡模型。

卷積神經網絡模型輸出的聲音預測過程如下：

將實時采集的聲音信號轉換為二維音頻特征，輸入訓練好的卷積神經網絡模型，輸出一個概率值，該概率值范圍為[0,1]，當概率值小于0.5時，預測為“正常”，否則，預測為“異常”。

卷積神經網絡模型的構建方法如下：