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、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