一种适用于发动机音频啸叫识别的图像处理方法技术

本发明专利技术涉及一种适用于发动机音频啸叫识别的图像处理方法，属于汽车NVH技术领域以及计算机视觉领域，其包括以下步骤：步骤1，音频采集；步骤2，短时傅里叶变换，得出colormap图；步骤3，通过otsu方法计算每张colormap的阈值；步骤4，低于阈值的像素归零，高于阈值的像素取值为1；步骤5，深度学习模型搭建；步骤6，模型训练和优化；步骤7，模型评估；步骤8：判断是否符合业务目标，若是则新数据预测，若否则重新训练与优化。本发明专利技术能够简单有效高效的判别音频是否合格，来应对产线的情况。来应对产线的情况。来应对产线的情况。

【技术实现步骤摘要】
一种适用于发动机音频啸叫识别的图像处理方法


[0001]本专利技术属于汽车NVH
以及计算机视觉领域，具体涉及发动机异响识别的图像处理方法。

技术介绍

[0002]随着生活经济水平的不断提高，用户对于整车的要求已经不仅仅满足于性能上的提升，也对整车的舒适性要求越来越高。因此，各大汽车生产厂商对动力总成NVH(Noise Vibration Harshness，噪声振动和不平顺性)的设计要求也越来越高。
[0003]因为发动机在运行过程中，会产生很多不同的声音。有燃烧噪声、进排气噪声、增压器噪声、齿轮啮合噪声等各种声音。而当发生异响时，则表示发动机出现了故障。而一般生产线上会用听诊法、或者采用西门子公司、BK公司等专业测试软件进行分析。但是听诊法对于经验要求较高，且齿轮啸叫噪声会被其他种类的噪声掩盖过去，容易发生误判，长时间听诊也会非常疲惫；而应用专业测试软件，则要求具备一定的NVH理论知识，且专业软件一次性只能处理几台，无法应对产线成批量的生产测试。而且辨别音频是否合格还带有一定的主观因素，不同的工程师判断的标准也无法一致，因此需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：包括以下步骤：步骤1，音频采集；步骤2，短时傅里叶变换，得出colormap图；步骤3，通过otsu方法计算每张colormap的阈值；步骤4，低于阈值的像素归零，高于阈值的像素取值为1；步骤5，深度学习模型搭建；步骤6，模型训练和优化；步骤7，模型评估；步骤8：判断是否符合业务目标，若是则新数据预测，若否则重新训练与优化。2.根据权利要求1所述的一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：步骤1包括，在发动机进行热试的时候，录制一段大约30秒的音频，音频包含3个过程，包括从怠速上升到标定点的10秒升转速、在标定点稳定10秒、再从标定点回到怠速点的10秒降转速。3.根据权利要求2所述的一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：步骤1包括，收集10万组发动机音频数据，将其中所有不合格音频全都筛选出来，然后在整体数据中均匀分布以与不合格音频1：1的比例筛选出合格音频。4.根据权利要求3所述的一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：步骤2包括，根据音频采集的特性，使用短时傅里叶变换进行计算，将录制好的音频处理成colormap图，设置频率范围为0～16000Hz，幅值范围为
‑
40～60dB。5.根据权利要求4所述的一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：步骤2至步骤4包括，将colormap图进行otsu阈值分割，计算一个最优阈值k
*
，将图片像素分为两部分c1，c2，其中c1∈[0,k]，c2∈[k+1,L
‑
1]；再进行二值化处理，将c1这部分像素都归为0，c2这部分像素都归为1。6.根据权利要求5所述的一种适用于发动机音频啸叫识别的图像处理方法，其特征在于：步骤2至步骤4中，生成的colormap图是M*N像素，令L表示图片灰度级，L∈[0，L
‑
1]；令ni表示灰度级i的像素数，图像中的像素总数为MN＝n0+n1+n2+
…...

【专利技术属性】
技术研发人员：贾亚涛，李芳，曹继民，朱晓天，邹佳烨，刘靖，花巍杰，
申请(专利权)人：上海新动力汽车科技股份有限公司，
类型：发明
国别省市：