异音检测方法、装置、电子设备及介质制造方法及图纸

本公开提供了一种异音检测方法、装置、电子设备及介质，尤其涉及语音技术、深度学习、智能制造、工业质检等人工智能技术领域。具体实现方案为：将待检测音频数据转换为时频图；对时频图进行切片，得到包括多个图块的图序列；对图序列进行特征提取，得到图序列对应的特征向量；通过识别特征向量中的异音特征，确定待检测音频数据的异音检测结果。使得检测结果更加客观。加客观。加客观。

【技术实现步骤摘要】
异音检测方法、装置、电子设备及介质


[0001]本公开涉及数据处理
，尤其涉及语音技术、深度学习、智能制造、工业质检等人工智能
，具体涉及一种异音检测方法、装置、电子设备及介质。

技术介绍

[0002]目前，在汽车座椅电机的出厂阶段，一些电机可能会存在质量问题，需要进行质量检查，通常会采集电机运行时的声音，然后让听音师傅去听采集到声音是否存在异常，来确定座椅电机质量是否存在问题。

技术实现思路

[0003]本公开提供了一种异音检测方法、装置、电子设备及介质。
[0004]根据本公开的第一方面，提供了一种异音检测方法，包括：
[0005]将待检测音频数据转换为时频图；
[0006]对所述时频图进行切片，得到包括多个图块的图序列；
[0007]对所述图序列进行特征提取，得到所述图序列对应的特征向量；
[0008]通过识别所述特征向量中的异音特征，确定所述待检测音频数据的异音检测结果。
[0009]根据本公开的第二方面，提供了一种异音检测装置，包括：
[0010]转换模块，用于将待检测音频数据转换为时频图；
[0011]切片模块，用于对所述时频图进行切片，得到包括多个图块的图序列；
[0012]提取模块，用于对所述图序列进行特征提取，得到所述图序列对应的特征向量；
[0013]确定模块，用于通过识别所述特征向量中的异音特征，确定所述待检测音频数据的异音检测结果。
[0014]根据本公开的第三方面，提供了一种电子设备，包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
[0018]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
[0019]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。
[0020]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0022]图1是根据本公开实施例提供的一种音频数据中的异音的示例性示意图；
[0023]图2是本公开实施例提供的一种异音检测方法的流程图；
[0024]图3是本公开实施例提供的另一种异音检测方法的流程图；
[0025]图4是本公开实施例提供的另一种异音检测方法的流程图；
[0026]图5是本公开实施例提供的一种时频图的示例性示意图；
[0027]图6是本公开实施例提供的另一种异音检测方法的流程图；
[0028]图7是本公开实施例提供的另一种异音检测方法的流程图；
[0029]图8是本公开实施例提供的一种构建判别网络方法的示例性示意图；
[0030]图9是本公开实施例提供的一种异音检测装置的结构示意图；
[0031]图10是用来实现本公开实施例的异音检测方法的电子设备的框图。
具体实施方式
[0032]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0033]本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0034]相关技术中，汽车座椅电机在出厂阶段需要进行质量检测，通常情况下存在质量问题的电机在运行时会发出异常的声音(简称异音)，所以目前的检测手段主要是先收集电机在运行时的声音，然后让工厂里有经验的听音师傅去听采集到声音，如果听音师傅听到异音，则确定座椅电机存在质量问题。但在实际检测过程中，采集到的声音中的异音可能只存在很短的一瞬间，并且不明显，例如图1中矩形框中的部分。对于听音师傅而言，这些一瞬间的不明显的声音很可能会被忽略掉，导致误判，进而导致有质量问题的电机出厂，降低生产良品率。
[0035]另外，对于不同的听音师傅而言，判断是否存在异常声音的标准也不一样，有时对同一段声音是否存在异常声音，不同的听音师傅会有不同的结论，导致电机质量的评估标准不统一，良品率容易上下波动。并且一些大型工厂的一条产线一天会生产上千个电机，如果依靠人工听声的方法进行质量判断，会耗费大量的人力成本。
[0036]为了避免对电机声音的评估受主观因素的影响，本公开实施例提供了一种异音检测方法、装置、电子设备及存储介质。
[0037]其中，本公开实施例提供的异音检测方法可以由电子设备执行，该电子设备可以为智能手机、平板电脑、台式电脑、服务器等设备。
[0038]本公开实施例提供一种异音检测方法，如图2所示，该方法包括：
[0039]S201、将待检测音频数据转换为时频图。
[0040]本公开实施例中的待检测音频数据可以为电机运行时产生的声音，或者也可以为除电机外的其他设备运行时产生的声音。该电机可以为汽车座椅电机或者为其他电机。本
公开实施例中以汽车座椅电机为例进行说明。
[0041]其中，时频图为待检测音频数据在时域和频域上的能量表示。
[0042]S202、对时频图进行切片，得到包括多个图块的图序列。
[0043]其中，图块的数量可以按照实际需求设置。可以按照预先设置的数量对时频图进行均匀切片，将其切割为包括多个图块的图序列。
[0044]例如，可以将一个时频图均匀切割为8个图块，这8个图块为一个图序列。
[0045]S203、对图序列进行特征提取，得到图序列对应的特征向量。
[0046]S204、通过识别特征向量中的异音特征，确定待检测音频数据的异音检测结果。
[0047]如果特征向量中包括异音特征，则异音检测结果为异常，则说明该待检测音频中包括异音，即该待检测音频对应的电机存在故障。
[0048]如果特征向量中不包括异音特征，则异音检测结果为正常，则说明该待检测音频中不包括异音，即该待检测音频对应的电机不存在故障。
[0049]采用上述技术方案，可以将待检测音频数据处理为特征向量，通过识别特征向量中的异音特征确定待检测音频数据的异音检测结果，实现了对待检测音频数据的自动识别，无需依赖听音师傅，使得异音检测结果更具有客观性。
[0050]在本公开另一实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异音检测方法，包括：将待检测音频数据转换为时频图；对所述时频图进行切片，得到包括多个图块的图序列；对所述图序列进行特征提取，得到所述图序列对应的特征向量；通过识别所述特征向量中的异音特征，确定所述待检测音频数据的异音检测结果。2.根据权利要求1所述的方法，其中，所述将待检测音频数据转换为时频图，包括：将所述待检测音频数据进行傅里叶变换；对傅里叶变换结果进行滤波处理，得到所述待检测音频数据对应的时频图。3.根据权利要求1所述的方法，其中，对所述图序列进行特征提取，得到所述图序列对应的特征向量，包括：提取所述图序列包括的每个图块的图块特征和位置特征；将所述图序列包括的所有图块的图块特征和位置特征进行拼接，得到所述图序列对应的特征向量。4.根据权利要求1
‑
3任一项所述的方法，其中，通过识别所述特征向量中的异音特征，确定所述待检测音频数据的异音检测结果，包括：将所述特征向量输入预先训练的判别网络，以使得所述判别网络识别所述特征向量中的异音特征，得到异音检测结果；获取所述判别网络输出的异音检测结果。5.根据权利要求4所述的方法，其中，所述判别网络中包括顺序连接的多个编码模块和结果映射模块，每个编码模块包括前馈网络层和多头注意力层；所述多头注意力层，用于基于接收到的特征向量计算注意力向量；所述前馈网络层，用于基于所述注意力向量进行特征计算，得到计算结果；所述结果映射层，用于将最后一个编码模块输出的计算结果转换为所述异音检测结果。6.根据权利要求4所述的方法，其中，所述判别网络为支持序列化输入的神经网络。7.根据权利要求1
‑
3任一项所述的方法，在将待检测音频数据转换为时频图之前，所述方法还包括：采集音频数据；将所采集到的音频数据处理为预设长度，得到所述待检测音频数据。8.根据权利要求7所述的方法，其特征在于，所述采集音频数据，包括：采集汽车座椅电机运行时产生的音频数据。9.一种异音检测装置，包括：转换模块，用于将待检测音频数据转换为时频图；切片模块，用于对所述时频图进行切片，得到包括多个图块的图序列；提取模块，用于对所述图序列进行特征提取，得到所述图序列对应的特征向量；确定模块，用于通过识别所述特征向量中的异音特征，确定所述待检测音频数...

【专利技术属性】
技术研发人员：刘建林，解鑫，许铭，刘颖，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：