[发明专利]一种基于声音识别的家用电器故障判定方法及装置在审
| 申请号: | 202010107492.X | 申请日: | 2020-02-21 |
| 公开(公告)号: | CN111337277A | 公开(公告)日: | 2020-06-26 |
| 发明(设计)人: | 蒋莹 | 申请(专利权)人: | 云知声智能科技股份有限公司;厦门云知芯智能科技有限公司 |
| 主分类号: | G01M99/00 | 分类号: | G01M99/00 |
| 代理公司: | 北京冠和权律师事务所 11399 | 代理人: | 张楠楠 |
| 地址: | 100000 北京市海*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 声音 识别 家用电器 故障 判定 方法 装置 | ||
1.一种基于声音识别的家用电器故障判定方法,其特征在于,包括:
获取目标异常声音检测模型;
对实时监测的正在进行工作的目标家用电器进行工作声音的采集,以得到实时声音数据;
对所述实时声音数据进行特征提取,以得到第一声音特征数据;
将所述第一声音特征数据输入至所述目标异常声音检测模型,以得到输出结果;
根据所述输出结果确定所述目标家用电器是否存在故障。
2.如权利要求1所述的方法,其特征在于,所述获取目标异常声音检测模型,包括:
获取原始异常声音检测模型;
采集不同故障的声音数据;
对所述不同故障的声音数据进行特征提取,以得到第二声音特征数据;
根据所述不同故障的声音数据和所述第二声音特征数据对所述原始异常声音检测模型进行训练,以得到所述目标异常声音检测模型。
3.如权利要求1所述的方法,其特征在于,所述对所述实时声音数据进行特征提取,以得到第一声音特征数据,包括:
对所述实时声音数据进行杂音滤除处理,得到滤除后的实时声音数据;
通过预设方法将所述滤除后的实时声音数据分解为若干阶瞬时频率的乘积函数分量;
将所述乘积函数分量的能量与所述滤除后的实时声音数据的总能量相比作为声音特征向量;
将所述声音特征向量作为所述第一声音特征数据。
4.如权利要求1所述的方法,其特征在于,所述根据所述输出结果确定所述目标家用电器是否存在故障,包括:
根据所述输出结果判断所述实时声音数据是否异常;
当所述实时声音数据异常时,确定所述目标家用电器存在故障,并确定所述目标家用电器的故障类别;
当所述实时声音数据无异常时,确定所述目标家用电器不存在故障。
5.如权利要求1所述的方法,其特征在于,所述对实时监测的正在进行工作的目标家用电器进行工作声音的采集,以得到实时声音数据,包括:
对所述目标家用电器进行实时监测;
当所述目标家用电器开始工作时,获取采集指令;
预设设备根据所述采集指令对正在工作的所述目标家用电器进行声音采集;
对采集到的声音进行预处理,以得到所述实时声音数据。
6.一种基于声音识别的家用电器故障判定装置,其特征在于,包括:
获取模块,用于获取目标异常声音检测模型;
采集模块,用于对实时监测的正在进行工作的目标家用电器进行工作声音的采集,以得到实时声音数据;
提取模块,用于对所述实时声音数据进行特征提取,以得到第一声音特征数据;
输入模块,用于将所述第一声音特征数据输入至所述目标异常声音检测模型,以得到输出结果;
确定模块,用于根据所述输出结果确定所述目标家用电器是否存在故障。
7.如权利要求6所述的装置,其特征在于,所述获取模块,包括:
第一获取子模块,用于获取原始异常声音检测模型;
第一采集子模块,用于采集不同故障的声音数据;
提取子模块,用于对所述不同故障的声音数据进行特征提取,以得到第二声音特征数据;
训练子模块,用于根据所述不同故障的声音数据和所述第二声音特征数据对所述原始异常声音检测模型进行训练,以得到所述目标异常声音检测模型。
8.如权利要求6所述的装置,其特征在于,所述提取模块,包括:
滤除子模块,用于对所述实时声音数据进行杂音滤除处理,得到滤除后的实时声音数据;
分解子模块,用于通过预设方法将所述滤除后的实时声音数据分解为若干阶瞬时频率的乘积函数分量;
所述分解子模块,还用于将所述乘积函数分量的能量与所述滤除后的实时声音数据的总能量相比作为声音特征向量;
所述分解子模块,还用于将所述声音特征向量作为所述第一声音特征数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云知声智能科技股份有限公司;厦门云知芯智能科技有限公司,未经云知声智能科技股份有限公司;厦门云知芯智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010107492.X/1.html,转载请声明来源钻瓜专利网。





