一种基于深度学习的设备声音分类方法技术

本发明专利技术公开了一种基于深度学习的设备声音分类方法，通过建立深度学习设备声音分类模型，并对该深度学习设备声音分类模型进行数据训练后，将模型设置于后台，模型可以自动识别采集到的需要分类的设备运行声音并对其进行分类。本发明专利技术的一种基于深度学习的设备声音分类方法，采用深度学习的方法将设备运行声音进行分类，对设备的工作声音采集后进行判断，输出设备运行状态。设备运行状态可以包括设备异常及异常的具体原因，从而可以对机械设备进行状态监控。本申请的基于深度学习的设备声音分类方法可以自动将设备运行声音进行分类输出对应结果，不需人工参与，节省人力的同时判断准确性和科学性更高。

【技术实现步骤摘要】
一种基于深度学习的设备声音分类方法
本专利技术涉及人工智能
，尤其涉及一种基于深度学习的设备声音分类方法。
技术介绍
随着现代工业的发展，机械设备成为生产制造、日常生活中不可或缺的一部分。在设备的使用过程中，因温度、湿度、地理位置等各种自然因素和人为因素的影响，机械设备容易出现磨损、老化等诸多问题。机器设备故障诊断是一个非常复杂的从现象发现原因的过程，尽管目前有很多关于机器设备故障诊断的研究，但由于故障类型众多，故障的发生存在偶然性或随机性，同时又由于机器设备本身的复杂性，使得机器设备故障发现及诊断仍然是一个待突破的问题。由于机械设备工作时必然会发出声音，有经验的维修人员可以通过设备声音进行设备工作状态的判断。但人工判断主观性强，引用场景优先，不利于大规模推广。因此，有必要提出一种改进，以克服现有技术缺陷。
技术实现思路
本专利技术的目的是解决现有技术中的问题，提供一种基于深度学习的设备声音分类方法。本专利技术的技术方案是：一种基于深度学习的设备声音分类方法，包括以下步骤：S1、建立深度学习设备声音分类模型；S2、采集设备各种状态下的不同声音数据，并对所述不同声音数据进行数据清洗，标记，形成设备声音训练数据；S3、使用所述设备声音训练数据训练所述深度学习设备声音分类模型，所述深度学习设备声音分类模型经过训练后，将设备声音与所述设备声音训练数据中的标记产生关联；S4、采集设备运行声音，将所述设备运行声音输入所述训练后的深度学习设备声音分类模型，所述深度学习设备声音分类模型输出所述设备运行声音的标记，根据标记将所述设备运行声音进行分类。作为一种优选的技术方案，还包括以下步骤：S5、搭建基于深度学习的设备声音分类系统；所述基于深度学习的设备声音分类系统包括声音采集模块，计算模块及输出模块，所述计算模块为计算机模块或云计算模块。作为一种进一步优选的技术方案，所述步骤S5设置于所述步骤S4之前。作为一种优选的技术方案，所述步骤S2中，对所述不同声音数据进行数据清洗包括删除与设备运行声音不相关的噪音、将所述不同的声音数据进行处理和裁剪。作为一种优选的技术方案，所述步骤S2中，对所述不同声音数据进行标记包括以下步骤：S2a、根据设备运行的不同状态，建立设备状态分类标准；S2b、将设备运行状态各种不同的声音与设备状态分类标准进行对应；S2c、将所述不同声音数据基于所述设备状态分类标准进行标记分类，所述设备状态分类标准中每一设备状态分类下均有对应声音数据，所有标记分类后的声音数据组成设备声音训练数据；作为一种进一步优选的技术方案，所述步骤S2c中“将所述不同声音数据基于所述设备状态分类标准进行标记分类”为将所述不同声音数据对应的声音波形与所述设备状态分类标准进行对应并标记分类。作为另一种进一步优选的技术方案，所述步骤S2a中，所述设备的不同状态包括设备正常状态、异常状态。作为一种更进一步优选的技术方案，所述异常状态包括多种异常，每种异常均设置有对应的分类名称。作为再一种进一步优选的技术方案，所述步骤S2c“所述设备状态分类标准中每一设备状态分类下均有对应声音数据”中，每一设备状态分类下均有多条对应声音数据。作为一种优选的技术方案，所述步骤S2“采集设备各种状态下的不同声音数据”中，所述不同声音数据的数据量不少于1000。本专利技术的一种基于深度学习的设备声音分类方法，采用深度学习的方法将设备运行声音进行分类，对设备的工作声音采集后进行判断，输出设备运行状态。设备运行状态可以包括设备异常及异常的具体原因，从而可以对机械设备进行状态监控。本申请的基于深度学习的设备声音分类方法可以自动将设备运行声音进行分类输出对应结果，不需人工参与，节省人力的同时判断准确性和科学性更高。附图说明图1为本专利技术一种基于深度学习的设备声音分类方法具体实施方式流程框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。如图1所示，为本专利技术的一种基于深度学习的设备声音分类方法，其特征在于：包括以下步骤：S1、建立深度学习设备声音分类模型；S2、采集设备各种状态下的不同声音数据，并对所述不同声音数据进行数据清洗，标记，形成设备声音训练数据；S3、使用所述设备声音训练数据训练所述深度学习设备声音分类模型，所述深度学习设备声音分类模型经过训练后，将设备声音与所述设备声音训练数据中的标记产生关联；S4、采集设备运行声音，将所述设备运行声音输入所述训练后的深度学习设备声音分类模型，所述深度学习设备声音分类模型输出所述设备运行声音的标记，根据标记将所述设备运行声音进行分类。本专利技术公开了一种基于深度学习的设备声音分类方法，通过建立深度学习设备声音分类模型，并对该深度学习设备声音分类模型进行数据训练后，将模型设置于后台，模型可以自动识别采集到的需要分类的设备运行声音并对其进行分类。在实际应用中，为了节省项目时间，可以将步骤S1、S2同步进行。为了使本专利技术的一种基于深度学习的设备声音分类方法运行，需要搭建对应的硬件设备，因此，本专利技术的一种基于深度学习的设备声音分类方法还包括以下步骤：S5、搭建基于深度学习的设备声音分类系统；所述基于本文档来自技高网...

【技术保护点】
1.一种基于深度学习的设备声音分类方法，其特征在于：包括以下步骤：/nS1、建立深度学习设备声音分类模型；/nS2、采集设备各种状态下的不同声音数据，并对所述不同声音数据进行数据清洗，标记，形成设备声音训练数据；/nS3、使用所述设备声音训练数据训练所述深度学习设备声音分类模型，所述深度学习设备声音分类模型经过训练后，将设备声音与所述设备声音训练数据中的标记产生关联；/nS4、采集设备运行声音，将所述设备运行声音输入所述训练后的深度学习设备声音分类模型，所述深度学习设备声音分类模型输出所述设备运行声音的标记，根据标记将所述设备运行声音进行分类。/n

【技术特征摘要】
1.一种基于深度学习的设备声音分类方法，其特征在于：包括以下步骤：
S1、建立深度学习设备声音分类模型；
S2、采集设备各种状态下的不同声音数据，并对所述不同声音数据进行数据清洗，标记，形成设备声音训练数据；
S3、使用所述设备声音训练数据训练所述深度学习设备声音分类模型，所述深度学习设备声音分类模型经过训练后，将设备声音与所述设备声音训练数据中的标记产生关联；
S4、采集设备运行声音，将所述设备运行声音输入所述训练后的深度学习设备声音分类模型，所述深度学习设备声音分类模型输出所述设备运行声音的标记，根据标记将所述设备运行声音进行分类。


2.根据权利要求1所述的一种基于深度学习的设备声音分类方法，其特征在于：还包括以下步骤：S5、搭建基于深度学习的设备声音分类系统；所述基于深度学习的设备声音分类系统包括声音采集模块，计算模块及输出模块，所述计算模块为计算机模块或云计算模块。


3.根据权利要求2所述的一种基于深度学习的设备声音分类方法，其特征在于：所述步骤S5设置于所述步骤S4之前。


4.根据权利要求1所述的一种基于深度学习的设备声音分类方法，其特征在于：所述步骤S2中，对所述不同声音数据进行数据清洗包括删除与设备运行声音不相关的噪音、将所述不同的声音数据进行处理和裁剪。


5.根据权利要求1所述的一种基于深度学习的设备声音分类方法，其特征在于：所述步骤S2中，对所述不同声...

【专利技术属性】
技术研发人员：童宏涛，
申请(专利权)人：上海鼎经自动化科技股份有限公司，
类型：发明
国别省市：上海;31