[發(fā)明專利]物體剩余量檢測模型訓(xùn)練方法、檢測方法、系統(tǒng)及設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110479383.5
• 申請日: 2021-04-30
• 公開（公告）號: CN113159210B
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計）人: 羅嘉慶;劉笑男;陳子蝶
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01N29/44
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 周劉英

本發(fā)明公開了一種物體剩余量檢測模型訓(xùn)練方法、檢測方法、系統(tǒng)及設(shè)備及存儲介質(zhì)，屬于物體剩余量檢測技術(shù)領(lǐng)域。本發(fā)明通過將物體剩余量轉(zhuǎn)換為多任務(wù)識別，進而可通過用戶來采集基于用戶采集的各個類別下的容器在晃動時的音頻數(shù)據(jù)對用于檢測目標(biāo)物體的剩余量的檢測模型進行訓(xùn)練，進而可以使得基于訓(xùn)練好的檢測模型進行目標(biāo)物體的剩余量的實時監(jiān)測，用戶只需要采集一段目標(biāo)物體容器在晃動時的音頻數(shù)據(jù)，則可基于該訓(xùn)練好的檢測模型得到當(dāng)前的物體剩余量檢測結(jié)果，從而簡化檢測過程，對物體剩余量的檢測的普適性高，能廣泛適用于家庭用戶，本發(fā)明可借助于手機實現(xiàn)對容器盛放的生活物品進行剩余量的檢測，如牛奶、顆粒藥物、果蔬汁等的剩余量檢測。

技術(shù)領(lǐng)域

本發(fā)明屬于物體剩余量檢測技術(shù)領(lǐng)域，具體涉及一種物體剩余量檢測模型訓(xùn)練方法、檢測方法、系統(tǒng)及設(shè)備及存儲介質(zhì)。

背景技術(shù)

物體剩余量檢測是指檢測盛放物體的容器中該物體的剩余量，其中容器帶有容器口且能通過容器口蓋進行封閉，而被檢測的物體可以是液體、顆粒狀物理(如藥物)等。在現(xiàn)有技術(shù)中，可以基于物體的物理特性，通過專有的檢測設(shè)備實現(xiàn)對物體剩余量的檢測。例如對于液體的檢測，所涉及的物理特性包括相對介電常數(shù)，拉曼光譜，X射線，表面張力等，在檢測方式上，可以基于射頻信號的變化來實現(xiàn)對容器中液體的剩余量的檢測，其核心思想是通過檢測射頻信號的變化來間接檢測液體，因為射頻信號在穿過一些液體后會發(fā)生一定程度的變化，所以才能通過檢測這些變化來檢測不同的液體，一般這種射頻信號包括射頻識別RFID，超寬帶UWB，信道狀態(tài)信息CSI等。

即當(dāng)前對物體剩余量的檢測方式主要存在以下問題：

(1)需要部署額外設(shè)備，這對家庭用戶的使用有一定的使用門檻；

(2)使用的檢測設(shè)備普及性不足，不是大多數(shù)人所擁有的設(shè)備。

而隨著移動終端的快速發(fā)展，有必要研究一種可借助于移動終端所攜帶的傳感器(例如麥克風(fēng)傳感器)來實現(xiàn)對物體剩余量的檢測。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種物體剩余量檢測模型訓(xùn)練方法、檢測方法、系統(tǒng)及設(shè)備及存儲介質(zhì)，以提升物體剩余量檢測的智能化和實時性。

一方面，本發(fā)明實施例提供了一種物體剩余量檢測模型訓(xùn)練方法，包括：

對待檢測的目標(biāo)物體，將盛放目標(biāo)物體的容器中的目標(biāo)物體剩余量劃分為多種剩余量類別，每種剩余量類別對應(yīng)一個目標(biāo)物體剩余量或者目標(biāo)物體剩余量取值區(qū)間；

對每個剩余量類別，采集所述容器在晃動時的第一原始聲音數(shù)據(jù)，所述第一原始聲音數(shù)據(jù)的長度大于或等于預(yù)設(shè)的第一時長，且采集時的容器晃動幅度在預(yù)設(shè)的指定幅度范圍內(nèi)；

對各第一原始聲音數(shù)據(jù)進行數(shù)據(jù)分割，獲取多個聲音數(shù)據(jù)片段，其中每個聲音數(shù)據(jù)片段的長度相同；

對每個聲音數(shù)據(jù)片段進行濾波處理，以去除環(huán)境噪音，將每個濾波處理后的聲音數(shù)據(jù)片段作為一個樣本數(shù)據(jù)，并基于該樣本數(shù)據(jù)的類別設(shè)置樣本標(biāo)簽；

采用多種音頻信號特征提取方式，對每個樣本數(shù)據(jù)進行特征提取，得到每個樣本數(shù)據(jù)的N個特征，其中N為大于1的正整數(shù)；

對N個特征進行特征篩選處理，得到一組最優(yōu)特征子集，基于最優(yōu)特征子集得到每個樣本數(shù)據(jù)的特征向量，即樣本數(shù)據(jù)的特征向量由最優(yōu)特征子集中所包括的特征所對應(yīng)的特征值構(gòu)成；

將樣本數(shù)據(jù)的特征向量輸入預(yù)設(shè)的物體剩余量檢測模型執(zhí)行模型參數(shù)訓(xùn)練，所述物體剩余量檢測模型為基于機器學(xué)習(xí)的模型，且輸出為當(dāng)前輸入特征向量的各剩余量類別概率的預(yù)測值。

在一種可能的實現(xiàn)方式中，對第一原始聲音數(shù)據(jù)進行數(shù)據(jù)分割，獲取多個聲音數(shù)據(jù)片段具體為：在第一原始聲音數(shù)據(jù)的中間部分截取多個長度相同且非重疊的聲音數(shù)據(jù)片段。