[发明专利]一种基于卷积神经网络的管道场景识别方法

权利要求书

1.一种基于卷积神经网络的管道场景识别方法，其特征在于，包括以下步骤：

S1：采集不同场景的多处管道的音频数据，形成场景类别的标签集T＝(t₁,t₂,...,t_n)，其中，t_n代表管道对应的第n种场景；

S2：选取不同标签下的多处管道录制音频数据，形成原始音频文件集D＝(d₁,d₂,...,d_n)，d_n表示第n个原始音频文件；对原始音频文件集D中每个原始音频文件进行特征提取，形成波形图特征集W＝(w₁,w₂,...,w_n)作为模型的输入数据集，w_n表示第n个场景中管道对应的波形图特征矩阵；对原始音频文件集D中每个原始音频文件，将其独热编码为一个向量，形成概率值集合Y＝(y₁,y₂,...,y_n)，y_n表示第n个场景管道对应的波形图的概率值；

S3：构建识别模型：搭建一个一维卷积神经网络，用于对特征集W进行处理，搭建一个全连接神经网络，用于分类；所述一维卷积神经网络包括输入层、一维卷积层、最大池化层、全局平均池化层、批量标准化层以及Leaky ReLU层；所述全连接神经网络包括输入层、全连接层、Dropout层、批量标准化层、Leaky ReLU层以及Softmax层；

S4：对波形图特征集W和概率值集合Y进行划分，将其中的80％作为训练数据集，其余20％作为评估数据集；选择交叉熵作为损失函数，随机梯度下降作为识别模型训练过程中的优化算法，设置模型的超参数以及预期准确率；通过训练数据集训练识别模型，通过评估数据集评估识别模型；

S5：采集未识别的管道的音频数据并进行特征提取，利用模型对未识别的管道进行识别。

2.根据权利要求1所述的管道场景识别方法，其特征在于，所述步骤S2或步骤S4中特征提取具体包括如下步骤：提取原始音频文件的波形图，利用Dcase-Util工具库中的FeatureExtractor.extract函数，将原始音频文件作为函数输入，输出波形图特征矩阵w。

3.根据权利要求1所述的管道场景识别方法，其特征在于，所述步骤S2中独热编码具体包括如下步骤：构建一维零向量，向量长度等于标签集T的场景数量n；设原始音频文件对应标签集T中的场景类别，令零向量的第k个值等于1，其余值为0，得到经过独热编码后的向量y。

4.根据权利要求1所述的管道场景识别方法，其特征在于，所述步骤S3中一维卷积神经网络的搭建过程如下：依次搭建输入层、第1个一维卷积层、第1个最大池化层、第2个一维卷积层、第2个最大池化层、第3个一维卷积层、第3个最大池化层、第4个一维卷积层、第4个最大池化层以及1个全局平均池化层；在每个一维卷积层输出时利用1个批量标准化层对数据进行归一化处理，利用1个Leaky ReLU层作为激活函数。

5.根据权利要求4所述的管道场景识别方法，其特征在于，所述一维卷积神经网络的结构特征为Conv-BN-ReLU-Pooling结构的四层堆叠，训练阶段的前向传播过程的表达式如下：

其中，表示训练阶段中批量标准化层的输出，x_train表示训练阶段中批量标准化层的输入，μ_B表示上一个卷积层输出数值集合B的均值，σ_B表示一个卷积层输出数值集合B的方差，∈表示为了避免除数为0使用的微小正数，γ表示可学习重构系数参数，β表示可学习重构常数参数；

测试阶段的前向传播过程的表达式如下：

其中，表示评估阶段中批量标准化层的输出，x_test表示表示评估阶段中批量标准化层的输入，μ_r表示所有的批量的均值的平均值，σ_r表示每个批量的方差的无偏估计。