[发明专利]一种音频文件的缺陷检测方法及相关设备有效
申请号: | 201911021519.7 | 申请日: | 2019-10-23 |
公开(公告)号: | CN110796644B | 公开(公告)日: | 2023-09-19 |
发明(设计)人: | 张斌;赵伟峰 | 申请(专利权)人: | 腾讯音乐娱乐科技(深圳)有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 音频文件 缺陷 检测 方法 相关 设备 | ||
1.一种音频文件的缺陷检测方法,其特征在于,包括:
对待检测的音频文件的原始时间序列进行频域处理,获得所述原始时间序列对应的频谱特征,所述频谱特征为复数值集合;
对所述复数值集合进行运算,获得所述复数值集合对应的频谱增益集合;
根据采样率和快速傅里叶变换帧长,计算频域帧长;
以所述频域帧长为分割周期对所述频谱增益集合进行分割,获得至少一个频域特征集合;
将目标频域特征集合转换为目标特征图片,获得特征图片集合,所述特征图片集合包括至少一个特征图片;所述目标频域特征集合为所述至少一个频域特征集合中的任一频域特征集合,所述目标特征图片为所述至少一个特征图片中的一个特征图片;
根据训练后的缺陷检测模型,对各个所述特征图片进行检测,获得各个所述特征图片的检测结果,所述检测结果指示所述特征图片是否存在缺陷,当所述检测结果指示所述特征图片存在缺陷时,所述检测结果包括所述特征图片的缺陷位置和缺陷类型;
当各个所述特征图片的检测结果中的任意一个所述检测结果指示所述检测结果对应的特征图片存在缺陷时,确定所述待检测的音频文件的检测结果用于指示所述待检测的音频文件为缺陷音频文件,还用于指示所述待检测的音频文件的缺陷类型为所述缺陷类型,以及所述待检测的音频文件中缺陷的位置为所述缺陷位置。
2.根据权利要求1所述的方法,其特征在于,所述根据训练后的缺陷检测模型,对各个所述特征图片进行检测,获得各个所述特征图片的检测结果之前,所述方法还包括:
获取缺陷音频文件的原始时间序列,并提取所述缺陷音频文件的原始时间序列的特征图片集合;
对所述缺陷音频文件的特征图片集合中的缺陷数据进行标注,所述缺陷数据包括所述缺陷音频文件的缺陷位置和所述缺陷音频文件的缺陷类型;
根据预设的检测算法搭建缺陷检测模型;
将所述缺陷音频文件的缺陷位置、所述缺陷音频文件的缺陷类型和所述缺陷音频文件的特征图片集合输入所述缺陷检测模型,对所述缺陷检测模型进行训练,获得所述训练后的缺陷检测模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述缺陷音频文件的缺陷位置、所述缺陷音频文件的缺陷类型和所述缺陷音频文件的特征图片集合输入所述缺陷检测模型,对所述缺陷检测模型进行训练,获得所述训练后的缺陷检测模型之前,所述方法还包括:
将所述缺陷音频文件的缺陷位置、所述缺陷音频文件的缺陷类型和所述缺陷音频文件的特征图片集合关联存储。
4.根据权利要求1所述的方法,其特征在于,所述训练后的缺陷检测模型包括训练得到的预测数据和训练得到的模型权重;所述根据训练后的缺陷检测模型,对各个所述特征图片进行检测,获得各个所述特征图片的检测结果,包括:
对各个所述特征图片进行预处理,获得各个预处理后的特征图片;
将各个所述预处理后的特征图片输入所述训练后的缺陷检测模型;
根据所述训练得到的预测数据和所述训练得到的模型权重对各个所述预处理后的特征图片进行检测,获得检测结果。
5.根据权利要求4所述的方法,其特征在于,所述预测数据包括预测缺陷类型和预测缺陷位置,所述预测缺陷类型是根据所述缺陷检测模型对所述缺陷音频文件的缺陷类型训练得到的,所述预测缺陷位置是根据所述缺陷检测模型对所述缺陷音频文件的缺陷位置训练得到的。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当各个所述特征图片的检测结果均指示各个所述特征图片不存在缺陷时,确定所述待检测的音频文件不存在缺陷。
7.一种检测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,调用所述存储器中的所述计算机程序,用于执行如权利要求1-6任一项所述的音频文件的缺陷检测方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的音频文件的缺陷检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯音乐娱乐科技(深圳)有限公司,未经腾讯音乐娱乐科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911021519.7/1.html,转载请声明来源钻瓜专利网。