[发明专利]一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法及系统

权利要求书

1.一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法，其特征在于，包括：

步骤S1：通过所述接触式拾音传感器采集机械施工现场的声纹数据，并得到所述声纹数据所对应的声纹图谱；

步骤S2：对所述声纹图谱进行预处理，去除所述声纹图谱的噪声；

步骤S3：通过傅里叶变换提取所述声纹图谱的特征信息；

步骤S4：通过预设DFCNN神经网络模型对所述声纹图谱的特征信息进行识别。

2.根据权利要求1所述的一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法，其特征在于，所述预设DFCNN神经网络模型通过以下方法获得，包括：

步骤S1：通过所述接触式拾音传感器采集机械施工现场的声纹数据；

步骤S2：对采集到的所述声纹数据进行数据划分，并得到划分后的数据集，将所述数据集转换成声纹特征图谱进行目标框的标注；

步骤S3：对所述声纹特征图谱进行预处理，去除所述声纹特征图谱的噪声，以提高清晰度；

步骤S4：通过傅里叶变换提取所述声纹特征图谱的特征信息；

步骤S5：通过DFCNN模型对所述声纹特征图谱的特征信息进行模型训练，并得到所述预设DFCNN神经网络模型；

步骤S6：通过所述步骤S2中的所述数据集对所述预设DFCNN神经网络模型进行模型评估。

3.根据权利要求2所述的一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法，其特征在于，

所述DFCNN模型包括4个卷积层、4个池化层、1个全连接层，中间层激活函数使用ReLU，最后一层使用softmax，每个卷积层后使用批量归一化加速训练，所述DFCNN模型通过对采集到的所述声纹数据的每帧数据信息进行傅里叶变换，并将所述声纹数据转化成图像数据作为输入，将时间和频率做为所述图像数据的两个维度，然后使用3*3的卷积核对所述图像数据进行卷积，所述卷积层输出32特征，使用最大池化Maxpooling提取最大参数，所述池化层输出64特征，并通过一次cnn_cell，将所述图像数据的维度减半，使得特征值变为128，并接入所述全连接层。

4.根据权利要求3所述的一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法，其特征在于，

设置所述卷积层的卷积核的大小为(3,3)，提取32个特征并扩充padding为1，将卷积步长设置为1，当经过一次卷积层后，所述图像数据的尺寸为(n+2p-f+1)*(n+2p-f+1)＝(n，n)；

所述池化层通过使用Maxpooling方法，将pool_size的大小设置为(2,2)，提取所述pool_size中最大的数字，当所述图像数据经过所述池化层后，所述图像数据的维度减半；

将所述全连接层的每个神经元与所述全连接层相连接的前一个池化层的所有神经元进行连接，其中，每个所述神经元的激励函数使用ReLU函数，并将最后一层的输出值被传递到sotfmax逻辑回归进行分类。

5.根据权利要求1所述的一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别方法，其特征在于，所述步骤S4中还包括:

通过所述预设DFCNN神经网络模型对所述声纹图谱的特征信息进行识别时，当识别到施工机械声纹时，立即报警；

其中，所述施工机械声纹包括挖掘机、夯土机以及穿越机的声纹数据。

6.一种基于接触式拾音传感器的卷积神经网络施工的机械声纹识别系统，其特征在于，包括：

接触式拾音传感器，所述接触式拾音传感器用于采集机械施工现场的声纹数据；

声纹数据处理单元，所述数据处理单元用于对所述声纹数据进行处理，并得到所述声纹数据所对应的声纹图谱；

声纹图谱预处理单元，所述声纹图谱预处理单元用于对所述声纹图谱进行预处理，去除所述声纹图谱的噪声；

声纹图谱处理单元，所述声纹图谱处理单元用于通过傅里叶变换提取所述声纹图谱的特征信息；

数据信息识别单元，所述数据信息识别单元用于通过预设DFCNN神经网络模型对所述声纹图谱的特征信息进行识别。