-
公开(公告)号：CN116486834A
公开(公告)日：2023-07-25
申请号：CN202310468480.3
申请日：2023-04-26
Applicant: 北京科技大学
IPC: G10L25/51 , G10L25/03 , G10L25/18 , G10L25/24 , G10L25/45 , G10L25/30 , G06F18/15 , G06F18/214 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于深度学习技术应用领域，具体涉及基于特征融合和改进卷积神经网络的轧制声音分类方法。本发明提供的方法通过对采集的轧制现场声音数据进行预处理，提取具有代表性的音频数据特征，进行特征通道融合，并采用深度学习数据增强方法对特征图进行扩充，以此构建多通道特征数据集；然后构建改进的卷积神经网络模型，并将多通道特征数据集输入网络进行迭代训练，得到网络模型权重；最后，在模型中输入新数据，输出模型分类准确率和类别判定结果。本发明提供的分类方法解决了现有方法对轧制环境声音分类准确率低的问题。
-
公开(公告)号：CN115121859B
公开(公告)日：2025-02-11
申请号：CN202210641229.8
申请日：2022-06-08
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于声音的切头剪废料掉落状态实时监控方法，本发明包括实时获取现场剪切过程的声音信号；对获取到的声音信号按照设定窗口时间长度标记截取；提取当前截取到的声音信号的特征；将提取的特征与训练好的废料掉落声音特征模板比对；若特征相关性高于设定阈值，则判断当前时间段检测到了掉落；按照设定窗口滑动长度不断标记截取下一段声音信号，并行处理，重复上述特征提取、相关性比对步骤，检测新的时间段内是否有掉落。本发明还包括结合现场情况的掉落预判、掉落状态判定步骤。本发明能够在切头剪不停运条件下快速有效检测切头剪剪切后钢板废料是否正常掉落，具有不接触运作设备、测试方便高效的优点。
-
公开(公告)号：CN118553257A
公开(公告)日：2024-08-27
申请号：CN202410700840.2
申请日：2024-05-31
Applicant: 北京科技大学
IPC: G10L21/0208 , G10L25/24 , G10L25/51
Abstract: 本发明属于轧钢现场操作运行状态监控领域，涉及一种用于轧钢厂内降噪滤波的声音监测方法及系统。该方法包括：(1)实时获取现场动作工序的音频信号；(2)PoE供电模块将采集到的音频信号通过现场网络传输到集控中心；(3)提取现场录制到的所述音频信号的各项声音特征，获得音频信号特征向量；(4)制作关键动作声音对应的声音模板特征向量，将步骤(3)中获得的音频信号特征向量和声音模板特征向量进行对比，将降噪算法进行处理以滤除环境噪声，获得还原分析后的音频信号。本发明提供的方法适用于高噪声环境的轧钢厂，具有结构简单、滤波效果显著、监测准确的优点，能够提高工业生产环境的声音治理水平和操作人员的工作效率。
-
公开(公告)号：CN115121859A
公开(公告)日：2022-09-30
申请号：CN202210641229.8
申请日：2022-06-08
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于声音的切头剪废料掉落状态实时监控方法，本发明包括实时获取现场剪切过程的声音信号；对获取到的声音信号按照设定窗口时间长度标记截取；提取当前截取到的声音信号的特征；将提取的特征与训练好的废料掉落声音特征模板比对；若特征相关性高于设定阈值，则判断当前时间段检测到了掉落；按照设定窗口滑动长度不断标记截取下一段声音信号，并行处理，重复上述特征提取、相关性比对步骤，检测新的时间段内是否有掉落。本发明还包括结合现场情况的掉落预判、掉落状态判定步骤。本发明能够在切头剪不停运条件下快速有效检测切头剪剪切后钢板废料是否正常掉落，具有不接触运作设备、测试方便高效的优点。
-
-
-
Search Results
4
records
(took 0.016 seconds)
