[发明专利]一种设备的异常识别方法、装置、终端设备及存储介质

说明书

本申请适用于信号处理技术领域，提供了一种设备的异常识别方法、装置、终端设备及存储介质，其中，方法包括：采集目标环境中的音频信号，将所述音频信号转化为频谱图像；将所述频谱图像输入至预训练的神经网络模型进行图像识别，获得频谱图像的识别结果；在检测到所述识别结果为异常音频信号时，输出对应的设备异常提示信息。本申请实施例可检测音频信号并将音频信号转化为频谱图像，并将频谱图像通过神经网络进行图像识别，识别的结果是异常时做出对应的设备异常提示，从而可以准确有效的排查出设备异常的问题。

技术领域

本申请属于信号处理技术领域，尤其涉及一种设备的异常识别方法、装置、终端设备及存储介质。

背景技术

随着自动化技术的发展，各行各业越来越依赖于各种自动化设备(如信息管理服务器设备，供配电设备，消防设备，安保设备等等)，这些自动化管理设备异常，可能会造成严重后果。

目前通常是安排人工对各种自动化设备进行巡查或值守，人工巡查和值守的检查效率低，且在管理人员经验不足时，无法准确排查设备异常。

发明内容

本申请实施例提供了一种设备的异常识别方法、装置、终端设备及存储介质，旨在解决现有无法准确有效的排查出设备异常的问题。

第一方面，本申请实施例提供了一种设备的异常识别方法，包括：

采集目标环境中的音频信号，将所述音频信号转化为频谱图像；

将所述频谱图像输入至预训练的神经网络模型进行图像识别，获得频谱图像的识别结果；

在检测到所述识别结果为异常音频信号时，输出对应的设备异常提示信息。

在一个实施例中，所述将所述音频信号转化为频谱图像，包括：

将基于第一编程语言的第一函数通过库编译器转为预设格式的第二函数，并存储至预设的动态链接库；其中，所述预设格式为通过第二编程语言可以调用并执行的格式，所述第一函数为对所述音频信号进行时频分析，并转化成时域上的频谱图像的函数；

通过第二编程语言从所述预设的动态链接库中，调用所述第二函数，将所述音频信号转化为频谱图像。

在一个实施例中，所述第一编程语言的第一函数为matlab语言的specgram函数，所述预设格式的第二函数为将预设格式的specgram函数，所述第二编程语言为python语言。

在一个实施例中，在采集目标环境中的音频信号之前，还包括：

基于预设神经网络构建所述神经网络模型；

获取训练数据，通过所述训练数据对所述神经网络模型进行预训练，得到所述预训练的神经网络模型。

在一个实施例中，所述采集目标环境中的音频信号，将所述音频信号转化为频谱图像，包括：

通过音频采集装置采集目标环境中的音频信号；

每隔预设时间将所述音频信号转化为所述频谱图像。

在一个实施例中，将所述频谱图像输入至预训练的神经网络模型进行图像识别，获得频谱图像的识别结果，包括：

将所述频谱图像输入至预训练的神经网络模型进行图像识别，获得与所述频谱图像对应音频信号的识别结果；其中，所述识别结果包括正常环境音、异常蜂鸣音及警告音；

在检测到所述识别结果为异常蜂鸣音或警告音时，判定所述识别结果为异常音频信号。

在一个实施例中，所述在检测到所述识别结果为异常音频信号时，输出对应的设备异常提示信息，包括：

在检测到所述识别结果为异常音频信号时，确定所述异常音频信号的位置信息；