基于声音信号的输送带纵向撕裂检测方法及相关设备

申请/专利权人：天津电子信息职业技术学院;天津工业大学

申请日：2021-11-29

公开（公告）日：2023-03-17

公开（公告）号：CN114013957B

主分类号：B65G43/02

分类号：B65G43/02;B65G15/00

优先权：

专利状态码：有效-授权

法律状态：2023.03.17#授权;2022.02.25#实质审查的生效;2022.02.08#公开

摘要：本申请提供一种基于声音信号的输送带纵向撕裂检测方法及相关设备，所述方法包括：获取带式输送机的声音信号，并对声音信号进行预处理；利用LFCC算法和GFCC算法对预处理后的声音信号进行特征提取以及对提取的特征进行差分处理，将提取的特征和差分处理后的特征进行融合，得到声音特征数据；根据预先训练的声音识别模型和声音特征数据，得到输送带纵向撕裂检测结果。本申请基于LFCC算法、GFCC算法和差分处理对带式输送机工作现场的声音信号进行特征提取，将提取的声音特征数据输入到训练好的声音识别模型中，进而判断输送带是否发生纵向撕裂，提高了检测的准确性，同时大大降低了检测成本，且具有较高的检测准确性。

主权项：1.一种基于声音信号的输送带纵向撕裂检测方法，其特征在于，包括：获取带式输送机的声音信号，并对所述声音信号进行预处理；利用LFCC算法和GFCC算法对预处理后的所述声音信号进行特征提取，以得到LFCC特征和GFCC特征；对所述LFCC特征和所述GFCC特征进行差分处理，以得到LFCC差分特征和GFCC差分特征；将所述LFCC特征、所述GFCC特征、所述LFCC差分特征和所述GFCC差分特征进行融合，得到声音特征数据；利用PCA算法对所述声音特征数据进行降维处理，包括：对所述声音特征数据进行中心化操作；计算中心化操作后的声音特征数据的协方差矩阵；对所述协方差矩阵进行特征值分解；选取特征值占比为98％的前p个特征值所对应的特征向量组成投影矩阵；基于所述投影矩阵和声音特征数据，得到降维后的声音特征数据；根据预先训练的声音识别模型和降维后的所述声音特征数据，得到输送带纵向撕裂检测结果。

全文数据：

权利要求：

百度查询： 天津电子信息职业技术学院;天津工业大学 基于声音信号的输送带纵向撕裂检测方法及相关设备

免责声明 1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。 2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。