[发明专利]异常声音探测装置、异常声音生成装置及异常声音生成方法

说明书

本发明提供异常声音探测装置、异常声音生成装置、异常数据生成装置、异常模型学习装置、异常声音生成方法以及记录介质，该异常声音探测装置包括：模型存储单元，存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型；异常度获取单元，对于输入的对象声音数据，组合所述第1异常模型和所述第2异常模型来计算异常度；以及状态判定单元，将所述异常度与规定的阈值比较，判定所述对象声音数据是正常声音还是异常声音。

本申请是申请日为2018年08月24日、申请号为201880057321.1、发明名称为“异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、异常声音生成装置、异常数据生成装置、异常声音生成方法以及程序”的发明专利申请的分案申请。

技术领域

本发明涉及判定监视对象为正常的状态还是异常的状态的异常探测技术。

背景技术

工厂等中设置的大型的制造机或造型机等业务用设备，仅由于故障而停止运转，并对业务造成很大的阻碍。因此，需要日常地监视其动作状况，在发生异常后立即进行应对。作为解决方案，有业务用设备的管理业者定期地向现场派遣保养员，确认部件的磨损等方法。但是，由于花费极大的人工费或移动费、劳动力，所以难以在全部业务用设备或工厂中实施该方法。作为其解决手段，有在业务用设备的内部设置话筒，日常地监视其动作声音的方法。在该方法中，分析用话筒拾音的动作声音，在发生了被认为异常的声音(以下，称为“异常声音”)后，探测它，通过发出警报，解决上述的问题。这样，利用声音来判定监视对象是正常的状态还是异常的状态的技术称为异常声音探测。

对每个设备的种类或个体设定异常声音的种类和检测方法需要花费成本。因此，希望可以自动设计探测异常声音的规则。作为其解决方法，已知基于统计的方法的异常声音探测(例如，参照非专利文献1)。基于统计的方法的异常声音探测可以大致分为有监督异常声音探测和无监督(unsupervised)异常声音探测。在有监督异常声音探测中，大量收集正常声音和异常声音的学习数据，学习识别器，以将其识别率最大化。另一方面，在无监督异常声音探测中，学习正常声音的学习数据的特征量的概率分布(正常模型)，若新收集的声音与正常模型类似(若似然度高)则判定为正常，若不类似(若似然度低)则判定为异常。在产业的应用中，因为难以大量收集异常声音的学习数据，所以在多数情况下，采用无监督异常声音探测。

现有技术文献

非专利文献

非专利文献1：井出剛、杉山将、“異常検知と変化検知”、講談社、pp.6-7、2015年

发明内容

发明要解决的课题

若运用异常声音探测系统，有时偶尔会遗漏异常声音。若放任遗漏，则有可能导致重大的事故，所以这里需要使用收集到的异常声音，更新异常声音探测系统，以便不再次遗漏相同的异常声音。但是，得到的异常声音的数据量显著少于正常声音的数据量，仍然难以适用监督式异常声音探测。

本发明的目的是，鉴于上述那样的问题点，使用得到的少量异常声音数据，提高无监督异常声音探测的精度。

用于解决课题的手段

为了解决上述的课题，本发明的第一方式的异常声音探测装置包括：存储用正常声音数据学习的正常模型和用异常声音数据学习的异常模型的模型存储单元；对于输入的对象数据，使用正常模型和异常模型计算异常度的异常度获取单元；以及将异常度与规定的阈值比较，判定对象数据是正常还是异常的状态判定单元。该异常模型将至少使用正常模型对多个异常声音数据的每一个算出的异常度的最小值决定为学习时阈值，使用多个正常声音数据、异常声音数据和学习时阈值，决定权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率为最小。