一种基于深度学习的声音异常检测系统的制作方法

本发明涉及声音检测技术领域，尤其涉及一种基于深度学习的声音异常检测系统。

背景技术：

声学振动检测，应用领域机械、环境、电力、汽车、航天，声音产生振动，监控设备振动噪声。声音由于振动产生，二者有密切的联系，在工业生产领域，由于机械设备运转而产生振动，发出的声音称为工业噪音。根据声音和振动信号的信号分析，判断工业设备或产品的质量状况，已成为工业检测领域的重要手段之一。工业噪音振动与设备的固有品质和运行状况密切相关，因此，通过监控设备的振动噪声，既可以实现工作环境的噪声控制，保障人员安全，又可以通过分析噪声振动信号特征，分析机械设备的运转状况，实现机械设备故障在线测量诊断，避免因设备故障造成的损失。

很多监控场所内设备运行过程中会出现各种各样的声音，可能是运行状态下发出的正常声音，也可能是设备在故障情况下发出的异常声音。管理人员在经过专门的培训后，能够根据设备发出的不同声音判断设备的正常或异常情况。然而要求管理人员全天24小时对所有的设备进行监控是不现实的，而间歇性的巡检无法实时、有效地检测到各设备的异常情况。因此，我们提出了一种基于深度学习的声音异常检测系统用于解决上述问题。

技术实现要素：

基于背景技术存在的技术问题，本发明提出了一种基于深度学习的声音异常检测系统。

本发明提出的一种基于深度学习的声音异常检测系统，包括主控模块、声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块，所述主控模块的输出端分别与所述声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块的输入端连接，所述报警模块的输出端与所述通信模块的输入端连接，所述通信模块的输出端连接有监视设备，用于将检测到的声音异常信息传输至后台管理端的监视设备，所述声音提取模块包括依次连接的声音采集单元、声音识别单元和声音处理单元，其中声音提取模块的输入端连接有麦克风，用于将采集到的声音经过识别、处理后，将声音信号转换为电信号传输至所述声音分贝检测模块进行声音异常检测。

优选地，还包括信息存储模块，所述信息存储模块包括分贝值预设存储单元、计时信息存储单元和参照物标距存储单元。

优选地，所述分贝值预设存储单元的输出端与声音分贝检测模块的输入端连接，用于在声音分贝检测过程中，根据检测仪器的类型和预设的多组分贝值设定启动报警装置的声音分贝值。

优选地，所述计时信息存储单元的输出端与定时检测模块的输入端连接，用于根据预设的时间段来启动定时检测声音异常的功能。

优选地，所述参照物标距存储单元的输出端与距离检测模块的输入端连接，用于在声音分贝检测过程中实时测量检测仪器与参照物间的距离，并根据预设的参照物标距的数值与上述距离对比，得到声音分贝检测结果。

优选地，所述监视设备为计算机或手机，通过app软件、信息、邮件或电话通知。

本发明中，所述一种基于深度学习的声音异常检测系统通过声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块和信息存储模块的设置，对提取后的声音在对标的情况下进行三种模式检测，能够对不同状态下的检测仪器通过参照物标距和声音分贝检测双结合的方式进行管理，并配合定时检测的方式进行声音异常检测，达到精准的检测结果，同时利用通信模块将声音异常信息传输至后台管理端，以提示检测设备的工作状态的异常，进而便于警示与快速维护的作用，提高系统的安全性能。本发明设计布局合理，安全高效，达到警示与快速维护的作用，提高系统的安全性能，适宜推广。

附图说明

图1为本发明提出的一种基于深度学习的声音异常检测系统的原理框图；

图2为本发明提出的一种基于深度学习的声音异常检测系统的流程示意图。

具体实施方式

下面结合具体实施例对本发明作进一步解说。

实施例

参照图1-2，一种基于深度学习的声音异常检测系统，包括主控模块、声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块，所述主控模块的输出端分别与所述声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块的输入端连接，所述报警模块的输出端与所述通信模块的输入端连接，所述通信模块的输出端连接有监视设备，用于将检测到的声音异常信息传输至后台管理端的监视设备，所述声音提取模块包括依次连接的声音采集单元、声音识别单元和声音处理单元，其中声音提取模块的输入端连接有麦克风，用于将采集到的声音经过识别、处理后，将声音信号转换为电信号传输至所述声音分贝检测模块进行声音异常检测。

本实施例中，还包括信息存储模块，所述信息存储模块包括分贝值预设存储单元、计时信息存储单元和参照物标距存储单元，所述分贝值预设存储单元的输出端与声音分贝检测模块的输入端连接，用于在声音分贝检测过程中，根据检测仪器的类型和预设的多组分贝值设定启动报警装置的声音分贝值，所述计时信息存储单元的输出端与定时检测模块的输入端连接，用于根据预设的时间段来启动定时检测声音异常的功能，所述参照物标距存储单元的输出端与距离检测模块的输入端连接，用于在声音分贝检测过程中实时测量检测仪器与参照物间的距离，并根据预设的参照物标距的数值与上述距离对比，得到声音分贝检测结果，所述监视设备为计算机或手机，通过app软件、信息、邮件或电话通知。

本实施例中，通过声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块和信息存储模块的设置，对提取后的声音在对标的情况下进行三种模式检测，能够对不同状态下的检测仪器通过参照物标距和声音分贝检测双结合的方式进行管理，并配合定时检测的方式进行声音异常检测，达到精准的检测结果，同时利用通信模块将声音异常信息传输至后台管理端，以提示检测设备的工作状态的异常，进而便于警示与快速维护的作用，提高系统的安全性能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

技术特征：

技术总结
本发明公开了一种基于深度学习的声音异常检测系统，包括主控模块、声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块，所述主控模块的输出端分别与所述声音提取模块、距离检测模块、定时检测模块、声音分贝检测模块、报警模块和通信模块的输入端连接，所述报警模块的输出端与所述通信模块的输入端连接，所述通信模块的输出端连接有监视设备，用于将检测到的声音异常信息传输至后台管理端的监视设备，所述声音提取模块包括依次连接的声音采集单元、声音识别单元和声音处理单元，其中声音提取模块的输入端连接有麦克风。本发明设计布局合理，安全高效，达到警示与快速维护的作用，提高系统的安全性能，适宜推广。

技术研发人员：夏百战
受保护的技术使用者：电子科技大学中山学院
技术研发日：2019.07.29
技术公布日：2019.10.08