技术特征：1.一种基于深度学习的电梯异响和告警音检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，数据预处理的步骤如下：
3.根据权利要求1所述的方法，其特征在于，检测模型通过在自制的电梯音频数据集上对开源的音频分类模型进行模型训练得到；
4.根据权利要求3所述的方法，其特征在于，检测模型采用神经网络模型网络，包括对数梅尔频谱特征提取模块、6个卷积模块和1个全连接层。
5.根据权利要求4所述的方法，其特征在于，
6.一种基于深度学习的电梯异响和告警音检测系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。
技术总结本发明涉及一种基于深度学习的电梯异响和告警音检测方法及系统。方法为：S1、采集加速度数据，判断加速度是否超过设定的加速度阈值以判断当前电梯是否存在异常振动；S2、采集对应异常振动开始时间前i秒后j秒，共i+j秒的监控视频数据；S3、从监控视频数据中获取音频信号；S4、对音频信号进行数据预处理；S5、将预处理后的音频信号输入检测模型；检测模型输出检测的音频类型及对应的检测概率；音频类型包括：电梯异响、告警音或正常；S6、分别判断电梯异响或告警音的检测概率是否超过所设定的检测概率的阈值，若超过检测概率的阈值，则将音频类型及对应的检测概率和对应的电梯编号、检测时间实时上报监测平台。检测方法快速准确。
技术研发人员：何倞,徐自力,甘伟
受保护的技术使用者：浙江新再灵科技股份有限公司
技术研发日：技术公布日：2024/9/19