[发明专利]基于时频注意力网络模型的电缆周边环境声音识别方法

说明书

本发明公开了一种基于时频注意力神经网络模型的电缆周边环境声音识别方法，过程如下：使用电缆运行过程中周边采集的环境声音建立电缆周边环境声音数据库，对环境声音数据库中的所有音频文件进行标注，然后按照预设比例划分训练集和测试集；构建基于时频注意力神经网络模型，分别进行训练和检测。通过麦克风采集音频数据验证及应用所构建的基于时频注意力神经网络模型进行电缆周边环境声音识别方法，评估与分析应用误差，本发明可以通过时间和频率维度实现对原始音频全局特征提取与融合，提高电缆周边环境声音识别精度，可以及时发出预警有效防止电缆受到外力破坏。

技术领域

本发明涉及电缆检测技术领域，具体涉及一种基于时频注意力神经网络模型的电缆周边环境声音识别方法。

背景技术

目前为了保障电网能够安全正常运行，电网系统多采用人工监控方式对电缆周边环境情况进行巡查，但是由于电网沿线重点监控点位多，监控环境复杂，导致了人工监控作业非常困难，监控人员工作量非常大、监控效率低，难以实现全天候监控。单纯的人工监控方式人力和物力成本高，自动化、智能化程度较低，且实际效果不理想。为了降低人工成本，已有应用使用神经网络模型进行机器自动辅助监控，检测电缆周边环境声音，有效降低了监控人员工作量。但是音频数据中包含的环境噪声对识别结果影响较大，存在漏检、误检的问题。而专门设计的去噪神经网络模型计算开销大，在同时监控多个电网沿线监控点的情况下，会造成极大的检测延迟。

发明内容

本发明的目的是为了能够在多个电网沿线监控点实现对电缆运行环境低延迟、高准确率、抗噪音干扰的环境声音识别功能，提出了一种基于时频注意力神经网络模型的电缆周边环境识别方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于时频注意力神经网络模型的电缆周边环境声音识别方法，所述电缆周边环境声音识别方法包括以下步骤：

S1、利用设置在电缆监测点的麦克风获取原始音频数据，并进行预处理；

S2、预处理后的数据输入进过训练的基于时频注意力神经网络模型，得到识别结果；其中，所述基于时频注意力神经网络模型包括骨干神经网络、音频时间注意力模块、音频频率注意力模块、音频通道注意力模块，其中，预处理后的数据输入骨干神经网络形成特征图，分离特征图中的各个通道，对每个通道使用时间注意力模块和频率注意力模块同时提取时间全局信息和频率全局信息，通过将时间全局信息和频率全局信息进行向量拼接，得到通道特征表示，再通过音频通道注意力模块，对各通道的耦合关系进行分析，得到各通道特征滤波器的注意力权重系数；最后将特征图中的每个特征元素与所在位置的时间注意力权重、频率注意力权重还有各通道特征滤波器的注意力权重系数相乘，得到音频特征输出表示；

S3、通过识别结果对电缆运行环境是否安全进行判断。

其中，对原始音频数据进行预处理，是对电缆周边环境声音音频信息的预处理，即将数据处理成符合基于时频注意力神经网络模型的输入格式，并且为了提高模型的准确性进行数据归一化操作，用于网络训练的数据为环境声音原始音频数据，通过在原始音频数据上应用短时傅里叶变换生成对应的环境声音频谱图，并且分作训练集和测试集，以供后面网络训练和测试所用。

通过上述技术方案，本发明减少环境噪声对识别结果的干扰，提高周边环境声音识别准确率的同时，提高模型的计算效率，从而使所提出的电缆周边环境声音识别方法具备实时性。

进一步地，所述基于时频注意力神经网络模型的训练过程如下：

使用电缆运行过程中周边采集的环境声音建立电缆周边环境声音数据库，对环境声音数据库中的所有音频文件进行标注，应用短时傅里叶变换生成对应的环境声音频谱图，然后按照预设比例划分训练集和测试集；

使用训练集训练改进基于时频注意力神经网络模型，使基于时频注意力神经网络模型收敛；将测试集输入训练好的基于时频注意力神经网络模型，获取检测结果，并且对电缆周边环境情况进行运行安全性判断。