[发明专利]一种基于人工智能的门窗静音检测方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的门窗静音检测方法。该方法首先获取待检测的隔音材料的影响指标，该影响指标包括填充率、密度和开孔率。根据待检测的隔音材料的所属类别匹配批量性能指标网络；将影响指标输入批量性能指标网络得到预测隔音性能指标。获取超过预设阈值的预测隔音性能指标，调节每个影响指标，根据调节后的每个影响指标和对应的隔音性能指标得到每个影响指标的调节趋势。本发明利用网络训练，将性能相似的隔音材料批量处理，达到了消除抽样检测的不准确性的目的。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的门窗静音检测方法。

背景技术

随着经济的发展，人们对生活质量的要求越来越高。在日常生活中，想要拥有安静的睡眠环境或者不被人打扰的环境，除了墙壁的隔音外，门窗隔音效果的好坏也是一个重要的因素。在医疗领域中，医疗机构为病人或体检者进行听力检查时，需要在特定的安静环境下进行，如在隔音室内进行，以降低周围环境中噪声对测试的干扰，而隔音室除了墙壁是用隔音材料围成的，同样隔音室的门窗也是需要有良好的隔音效果的。

现有的常用门窗静音检测方法以抽样检测为主，抽样检测代表抽样结果，无法代表批量结果，那么抽样检测的结果就具有不准确性。如果想要提高静音检测结果的准确性，就需要进行多个样本的检测，但是由于样本过多，严重影响检测的速度，而且，也可能会出现过拟合和欠拟合的问题，降低检测的准确性。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的门窗静音检测方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于人工智能的门窗静音检测方法，该方法包括以下步骤：

获取待检测的隔音材料的影响指标，所述影响指标包括填充率、密度和开孔率；

根据所述待检测的隔音材料的所属类别匹配批量性能指标网络；将所述影响指标输入所述批量性能指标网络得到预测隔音性能指标；

获取超过预设阈值的预测隔音性能指标，调节每个所述影响指标，根据调节后的每个影响指标和对应的预测隔音性能指标得到每个影响指标的调节趋势；

其中，所述根据所述待检测的隔音材料的所属类别匹配批量性能指标网络的方法包括：

获取多种隔音材料的所述影响指标，根据所述影响指标得到多个第一隔音性能指标；

获取所述隔音材料的各影响指标的变化区间；根据任意两个所述隔音材料的密度变化区间的相似度得到第一亲缘性；根据两个所述隔音材料的开孔率变化区间的相似度得到第二亲缘性；将各影响指标的交集区间均分得到多个对应的所述第一隔音性能指标，将每个所述隔音材料对应的多个所述第一隔音性能指标构成高维向量，计算任意两个所述隔音材料对应的所述高维向量的余弦相似度作为第三亲缘性；根据所述第一亲缘性、所述第二亲缘性和所述第三亲缘性得到两个所述隔音材料之间的总亲缘性；

根据所述总亲缘性将多个隔音材料进行聚类，得到多类隔音材料集合，并对每类隔音材料集合进行网络训练，得到每类隔音材料的批量性能指标网络。

优选的，所述根据所述影响指标得到多个第一隔音性能指标，包括：

根据待检测的隔音材料中多组不同的所述填充率和对应的实际隔音性能指标构建填充率方程式，通过最小二乘法得到填充率性能；

根据待检测的隔音材料中多组不同的所述密度和对应的实际隔音性能指标构建密度方程式，通过最小二乘法得到密度性能；

根据待检测的隔音材料中多组不同的所述开孔率和对应的实际隔音性能指标构建开孔率方程式，通过最小二乘法得到开孔率性能；

根据所述填充率性能、所述密度性能、所述开孔率性能构建初始隔音性能模型；