[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

说明书

本发明涉及油气储运管道线路沿线声纹识别第三方施工机械的技术领域，特别是涉及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。包括：步骤S1：通过接触式拾音传感器采集机械施工现场的声纹数据，并得到声纹数据所对应的声纹图谱；步骤S2：对声纹图谱进行预处理，去除声纹图谱的噪声，并提高清晰度；步骤S3：通过傅里叶变换提取声纹图谱的特征信息；步骤S4：通过预设DFCNN神经网络模型对声纹图谱的特征信息进行识别。本发明通过采用接触式传感器将土壤中的声音拾取，可过滤掉环境其它噪音，更好地识别施工机械。

技术领域

本发明涉及油气储运管道线路沿线声纹识别第三方施工机械的技术领域，特别是涉及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。

背景技术

现有技术中都是通过视频监控技术的形式，通过设置几个点位转动摄像头停留一定时间进行监视，同时需要调度人员在监控室长时间轮巡盯屏监视，发现异常现象安排人员去处理。但是，这一方式有可能导致漏报，首先是摄像头监视节点的背面无法进行有效监视，其次是人员无法24h监视屏幕，然后是轮巡摄像头较多，并不能实时全天候的监视每一个摄像头。因此，如何提供一种施工的机械声纹识别方法是本领域技术人员急需解决的技术问题。

基于深度学习的声纹识别技术经过多年的发展，取得了非常大的进步。声纹是日常生活中最重要的交流方式，平时我们也会通过声纹来辨识一些东西、事件等。可以通过语音知道电话的另一边是谁，通过声纹感知车辆在后方逐渐靠近。且声纹信号的采集简单，声信号的传播距离也较远。在军事等国防领域，声纹识别被用于前方敌军、空中战斗机的侦查识别，在工业上用于机械设备运行状态异常的检测，因此，利用接触式传感器拾取声纹，这一识别技术在识别施工机械方面具有一定的应用前景，可以很好地识别施工机具的声音进行安全监控。

发明内容

本发明的目的是提供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，本发明通过采用接触式传感器采集机械施工现场的声音，通过卷积神经网络实现声纹识别施工机械，由于施工机械的声纹在土壤中传播没有那么远，采用接触式传感器将土壤中的声音拾取，可过滤掉环境其它噪音，更好地识别施工机械。

本发明改进了现有技术中，通过设置几个点位转动摄像头停留一定时间进行监视导致漏报，无法进行有效地监视的问题，本发明通过基于深度学习的声纹识别技术，基于预设DFCNN神经网络模型对声纹图谱的特征信息进行识别，极大地提高了识别结果的准确性，此外，通过系统全自动化控制运行，可以节省大量的人工劳动力。

本发明改进了现有技术中，由于施工机械的声纹在土壤中传播没有那么远，导致监测提取不准确，影响识别结果的问题，本发明通过采用接触式传感器将土壤中的声音拾取，可过滤掉环境其它噪音，进而更好地识别施工机械。

为了实现上述目的，本发明提供了如下的技术方案：

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，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。

在本申请的一些实施例中，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；