[发明专利]一种基于声音分类模型的空调内机异常声音检测方法

说明书

本发明涉及一种基于声音分类模型的空调内机异常声音检测方法，包括数据预处理、梅尔联合特征提取和分类网络三部分。具体过程为：采集待检测空调的声音数据，将其切片处理；提取每个片段的梅尔频谱特征和梅尔倒谱系数，将它们组成梅尔联合特征；将梅尔联合特征输入训练好的分类网络进行分类，每个片段对应一个分类结果；将结果序列可视化，同时给出空调质量的总体判别结果。该方法可以快速准确地进行空调异常声音检测，实现了质检环节的自动化和智能化，从而提高生产效率、减小生产成本。

技术领域

本发明涉及一种基于声音分类模型的空调内机异常声音检测方法，属于声音信号处理、人工智能应用和空调质量检测领域。

背景技术

在制造业领域，产品质量控制是一个必不可少的环节。在出厂前对空调进行故障预诊断有助于降低产品不良率，提高制造商口碑。在大数据时代需要依靠人工智能技术进行质量检测，常见的方式包括外观检测和声音分析。外观检测依靠成熟的计算机视觉技术可以发现装配过程中的缺漏，从而帮助完善生产过程。但是外观检测浮于表面而无法深入内里。声音分析可以识别机器运转时的异常响动，从而对产品内部质量做出诊断，因此声音分析可以弥补外观检测的不足。

在实际生产中，空调内机出厂前的最后一道工序为异常声音检测，只有检测合格的产品才能进行封装配送。而对于存在异常声响的产品，则需要进行返工，由技术人员进一步处理。其中磨响振动声音和外膜声音是两种常见的异常声音，磨响震动声音是轴承或贯流在运转时受到摩擦而产生的声音，外膜声音是空调外膜在风力作用下抖动产生的声音。这两种异常声音与正常的空调风声在听觉上有一定区别。基于此，在生产车间设置了专门的噪声检测单元，由工人师傅通过听觉对空调质量进行诊断。噪声单元由隔音室和操作台两大部分构成，测试全程由人工操作，具体流程为：

1)将空调内机通过传送带运送进隔音室并确认其处于合适位置。

2)关闭隔音门，对空调上电。工人师傅带上耳机进行声音辨别。

3)测试完成，打开隔音门将空调运出。根据检测结果对其进行下一步处理。

4)重复以上步骤对下一台空调进行测试。

原有的人工检测方法已经不能满足实际需求。首先，由于订单量提升，人工检测的速度远低于产线运转的速度，空调内机在噪声检测单元堆积，这严重制约了产能提升。其次，人工方法依靠工人师傅的经验进行判别，而没有形成技术标准，判定结果不够客观和稳定。而且车间的背景噪声严重干扰工人师傅判断，进而影响结果的客观准确。最后，在大数据和5G时代，尤其是随着人工神经网络的应用，智能制造和数字化生产逐渐成为企业发展的目标，传统生产模式和人工手段必将被智能方法所取代。

目前，由于缺乏可用的数据集，有关空调异常声音智能检测的研究相对较少。不过空调的异常声音检测基于声音分类模型，而声音分类在许多领域得到了广泛的应用，如场景分类、说话人识别、水下目标识别、声音事件识别等。声音分类依赖于不同类别声音之间的差异，通过可视化发现不同类别的空调声音信号在时域上难以区分，但是在频域上它们有着明显的差别，这使得空调声音分类得以实现。这些频域差别大多处于中低频带，而梅尔频谱可以突出中低频带而掩蔽高频带，因此使用梅尔频谱可以改进分类效果。在梅尔频谱基础上进一步提取有用特征能够减少冗余和噪声干扰、实现数据降维，从而得到更高的效率和准确率。对梅尔频谱进行倒谱变换可以得到梅尔倒谱系数(MFCCs)，MFCCs已经被广泛用作音频特征，但是其较为成功的应用主要是语音识别和乐器识别等，因此MFCCs在智能制造领域的应用很有意义。此外，MFCCs仅包含频谱的包络信息，为了更充分地描述频谱特性，有必要联合一些其他特征。