[发明专利]一种人工智能漏水检测方法及装置

权利要求书

1.一种人工智能漏水检测方法，其特征在于，包括以下步骤：

获取声音采集设备采集的第一声音信息，所述声音采集设备设置于马桶的易漏水部位附近的预设区域内；

将所述第一声音信息与第二声音信息进行比较，得到比较结果，所述第二声音信息是所述声音采集设备在所述易漏水部位未漏水且所述易漏水部位周围预设范围内的环境噪声满足预设条件的情况下采集得到；所述比较结果包括以下至少之一项：频谱比较结果、幅度比较结果、能量比较结果和功率比较结果；

根据所述比较结果确定所述第一声音信息是否异常；

在确定所述第一声音信息异常的情况下，将根据所述第一声音信息得到的信息输入至预先训练的神经网络，并根据所述神经网络的输出确定所述易漏水部位的漏水等级，所述漏水等级包括表示不漏水的等级；

所述将根据所述第一声音信息得到的信息输入至预先训练的神经网络之前，还包括：

对所述第一声音信息进行分帧和加窗处理，得到多帧声音信息；

分别获取各帧声音信息的特征向量；

分别对多帧声音信息进行离散傅里叶变换，获取对应的幅度谱数据，并根据幅度谱数据获取每帧声音信息对应的时频二维信息；

所述将根据所述第一声音信息得到的信息输入至预先训练的神经网络，包括：

将各帧声音信息的特征向量和时频二维信息作为根据所述第一声音信息得到的信息，按照帧的时间顺序依次输入至所述神经网络；

所述神经网络为循环神经网络，所述循环神经网络包括输入层、SVM层、卷积层、池化层、LSTM层、全连接层、特征融合层和softmax层；其中，

所述输入层用于接收所述时频二维信息；所述SVM层的输入为所述特征向量；所述卷积层用于进行特征提取；所述池化层用于实现特征的平移不变性；所述LSTM层用于有选择性地记忆之前输入至所述神经网络的各帧声音信息的时频二维信息和特征向量；所述全连接层用作分类器；所述特征融合层用于降低特征维度；所述softmax层用于输出各漏水等级的概率。

2.根据权利要求1所述的方法，其特征在于，所述神经网络的输出包括各帧声音信息对应的各漏水等级的概率；

所述根据所述神经网络的输出确定所述易漏水部位的漏水等级，包括：

统计各帧声音信息对应的漏水等级，得出各漏水等级对应的帧数，将帧数最多的漏水等级作为所述易漏水部位的漏水等级，其中，各帧声音信息对应的漏水等级为该帧声音信息对应的概率最大的漏水等级。

3.根据权利要求1所述的方法，其特征在于，所述将根据所述第一声音信息得到的信息输入至预先训练的神经网络之前，还包括：

获取作为训练样本的第三声音信息；

对所述第三声音信息进行分类，分出的类别至少包括所述易漏水部位发生各漏水等级的漏水时的声音类别、所述预设范围内的下水道流水时的声音类别和所述预设范围内的环境噪声不满足所述预设条件时的声音类别中的至少之一；

将属于同一类别的第三声音信息的特征向量经过注意力网络进行处理，得到所述类别的第三声音信息的特征注意力向量；

将所述特征注意力向量分别与所述类别的第三声音信息的特征向量相乘，作为所述类别的第三声音信息的注意力修正后的特征向量；

将各所述类别的第三声音信息的注意力修正后的特征向量，输入至待训练的神经网络进行训练。

4.根据权利要求1所述的方法，其特征在于，所述将所述第一声音信息与第二声音信息进行比较之前，还包括：

判断所述第一声音信息是否包括所述预设范围内的下水道流水的声音信息；

若判断出所述第一声音信息包括所述预设范围内的下水道流水的声音信息，则从所述第一声音信息中去除所述预设范围内的下水道流水的声音信息。

5.根据权利要求4所述的方法，其特征在于，所述判断所述第一声音信息是否包括所述预设范围内的下水道流水的声音信息，包括：

获取所述第一声音信息的频谱信息；

将所述第一声音信息的频谱信息与预先获取的所述预设范围内的下水道流水的声音信息的频谱信息进行比较，以判断所述第一声音信息是否包括所述预设范围内的下水道流水的声音信息。