A sound anomaly detection system based on in-depth learning includes sound feature extraction module, in-depth learning classification module and post-processing module of detection results; in-depth learning classification module processes the original sound data acquired and obtains the corresponding audio features, combines the voice features of several very short time sound segments to obtain short-time voice feature expression; and in-depth learning classification module and voice detection module. The feature extraction module is connected to annotate the original sound data, and the deep learning classification module trains the annotated sound data to get the deep learning anomaly detection model; after generating the deep learning anomaly detection model, the short-time sound features generated by the sound feature extraction module are input into the deep learning anomaly detection model for classification; the post-processing module and the depth of the test results are classified. The learning classification module is connected, and the post-processing module encapsulates the output of the deep learning classification module. The short-time sound detection results are combined to predict the long-time anomaly detection results.
【技术实现步骤摘要】
一种基于深度学习的声音异常检测系统
本专利技术涉及声音异常检测领域,具体的,涉及一种基于深度学习的声音异常检测系统。
技术介绍
变电站内设备运行过程中会出现各种各样的声音,可能是运行状态下发出的正常声音,也可能是设备在故障情况下发出的异常声音。电力巡检人员在经过专门的培训后,能够根据设备发出的不同声音判断设备的正常或异常情况。然而,要求电力巡检人员全天24小时对所有的变电站点进行监控是不现实的,而间歇性的巡检无法实时、有效地检测到变电站的异常情况。与此同时,技术的进步推动着变电站监管向自动化、智能化发展。针对这一现象,需要利用智能技术代替人工来检测识别变电站的异常情况。
技术实现思路
本专利技术提供了一种基于深度学习的声音异常检测系统,通过深度学习方法有效地监控变电站声音,判断异常情况。本专利技术采用以下技术方案。一种基于深度学习的声音异常检测系统,所述系统包括声音特征提取模块、深度学习分类模块和检测结果后处理模块;所述声音特征提取模块处理获取的原始声音数据得到相应的音频特征,通过滑动窗口获取极短时间声音片段对应的语音特征,组合多个极短时间声音片段语音特征获取短时间声音特征表达;所述深度学习分类模块与所述声音特征提取模块连接,对所述原始声音数据进行标注,所述深度学习分类模块使用标注后的声音数据训练得到深度学习异常检测模型;生成所述深度学习异常检测模型后,将所述声音特征提取模块生成的短时间声音特征输入所述深度学习异常检测模型进行分类,做出声音正常或声音异常分类判断;所述检测结果后处理模块与所述深度学习分类模块连接,所述检测结果后处理模块对深度学习分类模块输出的结 ...
【技术保护点】
1.一种基于深度学习的声音异常检测系统,其特征在于,所述系统包括声音特征提取模块、深度学习分类模块和检测结果后处理模块;所述声音特征提取模块处理获取的原始声音数据得到相应的音频特征,通过滑动窗口获取极短时间声音片段对应的语音特征,组合多个极短时间声音片段语音特征获取短时间声音特征表达;所述深度学习分类模块与所述声音特征提取模块连接,对所述原始声音数据进行标注,所述深度学习分类模块使用标注后的声音数据训练得到深度学习异常检测模型;生成所述深度学习异常检测模型后,将所述声音特征提取模块生成的短时间声音特征输入所述深度学习异常检测模型进行分类,做出声音正常或声音异常分类判断;所述检测结果后处理模块与所述深度学习分类模块连接,所述检测结果后处理模块对深度学习分类模块输出的结果进行封装,将短时间声音的检测结果组合共同预测较长时间的异常检测结果。
【技术特征摘要】
1.一种基于深度学习的声音异常检测系统,其特征在于,所述系统包括声音特征提取模块、深度学习分类模块和检测结果后处理模块;所述声音特征提取模块处理获取的原始声音数据得到相应的音频特征,通过滑动窗口获取极短时间声音片段对应的语音特征,组合多个极短时间声音片段语音特征获取短时间声音特征表达;所述深度学习分类模块与所述声音特征提取模块连接,对所述原始声音数据进行标注,所述深度学习分类模块使用标注后的声音数据训练得到深度学习异常检测模型;生成所述深度学习异常检测模型后,将所述声音特征提取模块生成的短时间声音特征输入所述深度学习异常检测模型进行分类,做出声音正常或声音异常分类判断;所述检测结果后处理模块与所述深度学习分类模块连接,所述检测结果后处理模块对深度学习分类模块输出的结果进行封装,将短时间声音的检测结果组合共同预测较长时间的异常检测结果。2.根据权利要求1所述的一种基于深度学习的声音异常检测系统,其特征在于,所述通过滑动窗口获取极短时间声音片段对应的语音特征进一步包括,利用所述滑动窗口所述原始声音数据的极短时间...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。