一种声音检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种声音检测方法、装置、设备和存储介质。该声音检测方法包括：根据获取的待检测声音信号得到声音波形图像数据；将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型；其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。本发明专利技术实施例基于声音检测模型对待检测声音信号的声音波形图像数据进行判断，得到待检测声音信号的故障类型。实现了通过在打印设备运行中采集声音信号，实时对声音信号进行故障类型判断，避免对设备故障类型判断不准确或不及时造成设备打印错误的问题，进而提高打印设备的运行效率。

A sound detection method, device, equipment and storage medium

【技术实现步骤摘要】
一种声音检测方法、装置、设备和存储介质
本专利技术实施例涉及语音识别领域，尤其涉及一种声音检测方法、装置、设备和存储介质。
技术介绍
声音检测是当设备运行时发出异常声音时，通过对异常声音的识别判断设备是否故障。而对于目前工业上经常使用的铸造3D打印设备来说，设备上有一万多个打印喷胶头，当打印喷胶头出现不能喷胶且数量超过百分之十以上时，需要对打印设备进行及时检查。利用打印设备在打印时发出的声音进行设备故障判断，保证了设备正常运转并且一旦出现故障可以及时发现，不会影响打印效率。目前对于铸造3D打印设备进行声音检测常用的几种方法是：人工对设备声音进行辨别，发现故障声音时对设备进行停止操作并检查故障原因；采用直接改造打印针头机械结构，加装传感器感知打印喷涂是否正常，或者通过传感器设备对故障声音进行感知，如通过听针和听棒等传感器；也可以利用声音采集设备如麦克风或麦克风阵列等采集音频，根据音频信号分析声音谐波，从谐波中分析设备故障的高频数据。然而，通过人工进行排查故障需要事先对人工进行培训，使得其具有识别不同的故障声音的能力，并且通过人工判断故障声音会造成漏报、延时的情况，造成设备故障发现不及时对设备造成损失。直接改造打印针头机械结构会破坏已有打印头的结构，改造成本大，并且传感器取得的辅助判断信息，无法直接对故障进行判断，且面临在狭小的工作空间改造难度大的问题。通过传感器设备对故障声音进行感知的方法需要在铸造3D打印设备上部署大量感知设备，实施难度较高，增加打印成本。而通过对声音谐波进行故障分析的方法中，对故障所在的频谱范围难以确定，一旦故障声音所在频谱范围确定有误，会导致设备故障声音判断错误。
技术实现思路
本专利技术实施例提供一种声音检测方法、装置、设备和存储介质，以提高对设备运行时故障声音的检测准确度。第一方面，本专利技术实施例提供了一种声音检测方法，包括：根据获取的待检测声音信号得到声音波形图像数据；将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型；其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。第二方面，本专利技术实施例还提供了一种声音检测装置，包括：波形图像数据确定模块，用于根据获取的待检测声音信号得到声音波形图像数据；故障类型确定模块，用于将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型；其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。第三方面，本专利技术实施例还提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的声音检测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所述的声音检测方法。本专利技术实施例基于对样本声音信号的波形特征、声音波形图像数据和故障类型训练得到声音检测模型，使得模型中结合了声音信号的故障波形特征以及整体波形的特征，提高模型对声音信号特征的识别能力，进而提高声音检测模型对故障类型确定的准确性。基于此声音检测模型对待检测声音信号的声音波形图像数据进行判断，得到待检测声音信号的故障类型。实现了通过在打印设备运行中采集声音信号，实时对声音信号进行故障类型判断，避免对设备故障类型判断不准确造成设备打印错误的问题，进而提高打印设备的运行效率。附图说明图1是本专利技术实施例一中的声音检测方法的流程图；图2是本专利技术实施例二中的声音检测方法的流程图；图3是本专利技术实施例三中的声音检测装置的结构示意图；图4是本专利技术实施例四中的计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。图1是本专利技术实施例一中的声音检测方法的流程图，本实施例可适用于根据设备运行时的声音判断设备故障类型的情况。该方法可以由声音检测装置来执行，该装置可以采用软件和/或硬件的方式实现，并可配置在计算机设备中，例如计算机设备可以是后台服务器等具有通信和计算能力的设备。如图1所示，该方法具体包括：步骤101、根据获取的待检测声音信号得到声音波形图像数据。其中，待检测声音信号是指需要进行故障类型判断的声音，包括铸造3D打印设备在打印时设备发出的声音，根据声音信号可以判断设备的故障类型。可以通过声音采集设备进行获取，声音采集设备可以是安装在铸造3D打印设备上的麦克风或麦克风阵列。通过麦克风采集到的为声波信号，是一种模拟信号，而声音波形图像数据是指将获取到待检测声音信号转化为可视的波形图像，可选的，声音波形图像数据包括声音频谱图，其为二维数据，纵轴为频率，横轴为时间，频谱图反映的是声音信号在时间分辨率下的动态频谱特征，便于从直观上对声音信号的特征进行识别。具体的，在铸造3D打印设备上安装麦克风阵列，采集打印设备在打印过程中发出的声音，并将该声音处理为横轴是时间纵轴是频率的频谱图数据。可选的，基于灰度分层的伪彩色矩阵将采集到的声音信息映射为彩色频谱图数据，以从可视的角度对声音信号的特征进行识别。步骤102、将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型。其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。样本声音信号是指用于对声音检测模型进行训练采集的设备故障声音信号，样本声音信号的故障类型为已知的，便于声音检测模型根据其故障类型对声音信号的特征进行学习。波形特征是指根据声音信号的故障波形对故障特征进行提取的相关表征系数。声音检测模型是基于机器学习算法对样本声音信号的特征进行学习得到的模型，该模型可以对声音信号的故障类型进行判断。故障类型是指根据待检测声音信号判断设备的具体工作状态。可选的，故障类型根样本声音信号的故障类型进行确定，示例性的，若将样本声音信号分为两种故障类型的声音信号，无故障和有故障，则此时对待检测声音信号进行确定得到的故障类型则为两种：设备无故障或设备有故障；若将样本声音信号根据设备故障的具体情况分为多类，如设备底座故障、设备喷胶头故障和无故障等，则此时对待检测声音信号进行确定得到的故障类型也为：设备底座故障、设备喷胶头故障和无故障。具体的，预先采集样本声音信号，并获取样本声音信号的故障类型，如无故障和有故障，通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到声音检测模型，将待检测声音信号的声音波形图像数据输入到声音检测模型中，输出待检测声音信号的故障类型。通过声音检测模型根据设备的声音波形图像数据对设备的故障类型进行实时判断，可以根据不同的故障类型对设备进行调整。<本文档来自技高网...

【技术保护点】
1.一种声音检测方法，其特征在于，包括：/n根据获取的待检测声音信号得到声音波形图像数据；/n将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型；其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。/n

【技术特征摘要】
1.一种声音检测方法，其特征在于，包括：
根据获取的待检测声音信号得到声音波形图像数据；
将所述声音波形图像数据输入到声音检测模型中，得到待检测声音信号的故障类型；其中，所述声音检测模型通过样本声音信号的波形特征、声音波形图像数据和故障类型训练得到。


2.根据权利要求1所述的方法，其特征在于，通过如下步骤训练得到所述声音检测模型：
确定样本声音信号的波形特征和声音波形图像数据；其中，声音波形图像数据反映声音信号在时间维度下的动态频谱特征；
对所述声音波形图像数据进行数据增强操作，得到增强后的声音波形图像数据；
根据增强后的声音波形图像数据和样本声音信号的波形特征，训练得到所述声音检测模型。


3.根据权利要求2所述的方法，其特征在于，确定样本声音信号的波形特征，包括：
提取样本声音信号的短时帧信号；
对所述短时帧信号进行傅里叶变换，得到短时帧信号的幅度谱，用于表征短时帧信号的能量分布信息；
确定所述幅度谱的梅尔频率倒谱系数，以作为样本声音波形信号的波形特征。


4.根据权利要求2所述的方法，其特征在于，所述数据增强操作包括如下至少一项：旋转操作、平移操作和添加噪声操作。


5.根据权利要求1所述的方法，其特征在于，所述声音检测模型的网络结构为双向长短时记忆网络；其中，所述双向长短时记忆网络为在长短时记忆网络中添加一层与正向隐层同规模的反向隐层，将两个隐层连接到输出层上得到的。


6.一种声音检测装置，其特征在于，包括：
波形图像数据确定模块，用于根据获取的待检测声音信号得到声...

【专利技术属性】
技术研发人员：袁振杰，雒冬梅，郝瑞，
申请(专利权)人：北京软通智城科技有限公司，
类型：发明
国别省市：北京;11