一种用于异常声音检测的在线更新系统和方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111341343A(43)申请公布日2020.06.26(21)申请号202010135422.5(22)申请日2020.03.02(71)申请人乐鑫信息科技（上海）股份有限公司地址201203上海市浦东新区中国（上海）自由贸易试验区碧波路690号2号楼204室(72)发明人王旺旺(74)专利代理机构上海沪慧律师事务所31311代理人朱九皋(51)Int.Cl.G10L25/03(2013.01)G10L25/30(2013.01)G10L25/51(2013.01)权利要求书3页说明书7页附图4页(54)发明名称一种用于异常声音检测的在线更新系统和方法(57)摘要本发明提供了一种用于异常声音检测的在线更新系统，包含嵌入端系统和服务器端系统。嵌入端系统采集待测音源的工作音频，输入到神经网络模块进行离线异常声音分类。当离线异常声音分类结果为未识别异常时，未知异常上报模块上报该未知异常音频。服务器端系统按设备类型对未知异常音频分类，完成数据清洗和聚类，调整神经网络模块的网络结构，生成新的训练集和验证集，然后针对该型号的设备进行异常声音检测模型训练，并在训练完成后下发至上报未识别异常的嵌入端系统，更新其异常声音检测模型。本发明还包含利用在线更新系统对异常声音检测系统进行升级的方法。本发明实现了异常声音检测模型的动态更新，能够适应变化的异常声音诊断工作环境。CN111341343ACN111341343A权利要求书1/3页1.一种用于异常声音检测的在线更新系统的嵌入端系统，运行于待测音源端，其特征在于，包含设备声音采集模块、设备声音音频特征提取模块、神经网络模块和未知异常上报模块；所述设备声音采集模块将待测音源发出的声音转换成音频数字信号，然后传输给所述设备声音音频特征提取模块；所述设备声音音频特征提取模块在频域上对所述音频数字信号进行处理，得到音频频率采样，作为所述神经网络模块的输入；所述神经网络模块对所述音频频率采样进行处理，完成异常声音分类，输出的异常种类包含N种异常、未识别异常和无异常；所述异常种类的数量由异常声音检测模型决定；所述神经网络模块的网络结构根据所述异常种类的数量决定，动态可变；所述异常声音检测模型还决定所述神经网络模块的工作参数；当所述神经网络模块诊断的异常声音检测结果为所述未识别异常时，所述未知异常上报模块收集所述待测音源的MAC地址和型号，构成头信息，与对应的所述音频数字信号合并成异常音频后，通过无线传输方式上报。2.根据权利要求1所述的在线更新系统的嵌入端系统，其特征在于，还适于接收训练后异常声音检测模型，完成所述异常声音检测模型的更新。3.一种用于异常声音检测的在线更新系统的服务器端系统，其特征在于，所述服务器端系统包含在线学习模块、模型训练模块和模型更新模块；所述在线学习模块接收上报的异常音频，并对所述异常音频进行数据处理，调整所述异常声音检测模型对应的所述神经网络模块的网络结构，将所述异常音频划分为训练集和验证集；所述异常音频包括待测音源的MAC地址和型号，以及未识别异常对应的音频数字信号；所述模型训练模块对所述异常声音检测模型进行模型训练，得到训练后异常声音检测模型；所述模型更新模块将所述训练后异常声音检测模型下发到所述嵌入端系统，更新所述嵌入式端系统中的所述异常声音检测模型。4.根据权利要求3所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块按所述待测音源的所述型号，对所述异常音频进行分类，得到设备关联异常音频，然后针对每一种所述待测音源，利用所述设备关联异常音频建立所述训练集和所述验证集。5.根据权利要求4所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块对所述设备关联异常音频进行的所述数据处理，包含数据清洗和异常种类聚类；所述数据处理得到M个聚类类别，作为M个新异常种类；根据所述M个新异常种类和N个已知异常种类，所述在线学习模块调整所述异常声音检测模型的分类维度为N+M+2，包含：N+M种异常、未识别异常和无异常。6.根据权利要求5所述的在线更新系统的服务器端系统，其特征在于，所述数据清洗和异常种类聚类的过程，具体包含:步骤101、将所述设备关联异常音频经过VAD判决，删除静音音频，得到异常音频集合；步骤102、将所述异常音频集合划分成J秒一帧的异常声音采样片段；步骤103、使用DBSCAN算法对所述异常声音采样片段进行聚类，丢弃对应噪声的所述异常声音采样片段，得到所述M个聚类类别，作为所述M个新异常种类。2CN111341343A权利要求书2/3页7.根据权利要求6所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块从所述异常声音采样片段中抽取L分钟的音频作为所述训练后异常声音检