JP2023049213A - 異常音判定方法、異常音判定プログラム及び異常音判定システム - Google Patents
異常音判定方法、異常音判定プログラム及び異常音判定システム Download PDFInfo
- Publication number
- JP2023049213A JP2023049213A JP2021158823A JP2021158823A JP2023049213A JP 2023049213 A JP2023049213 A JP 2023049213A JP 2021158823 A JP2021158823 A JP 2021158823A JP 2021158823 A JP2021158823 A JP 2021158823A JP 2023049213 A JP2023049213 A JP 2023049213A
- Authority
- JP
- Japan
- Prior art keywords
- data
- sound
- abnormal
- abnormal sound
- determination method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
【課題】点検技能の教習に使用可能な異常音判定方法、異常音判定プログラム及び異常音判定システムを提供する。【解決手段】異常音判定方法は、音データを取得する取得工程と、音データを人の聴別能力に倣って調整するフィルタ処理工程と、調整後の音データを機械学習用の入力データとして生成するデータ生成工程と、を含む。【選択図】図2
Description
本開示は、異常音判定方法、異常音判定プログラム及び異常音判定システムに関する。
従来から、構造物における検査方法として、コンクリートを打音検査してその打音から構造物の異常を検知し、コンクリートの浮きや腐食等を検知する方法が提案されている。例えば、非特許文献1には、ハンマー等による打音のデジタル化と、収集、蓄積、分析を可能とした異常検知システムが開示されている。
村川正宏著、「人工知能技術による異常検知システムとその産業応用」日本原子力学会誌 Vol.59,No.6(2017)、p.31~35
非特許文献1のシステムは、構造物の異常の有無を自動判定させるものであるが、対象物の異常モード等によっては人の点検技能を用いた異常判定を要する場合もある。しかし、近年の点検員の数が減少傾向にあるという状況において、熟練点検員の技能を教授する機会が減少してきており、他の点検員等に対する技能教習が十分に行えないという課題がある。
本開示は、以上の点に鑑み、点検技能の教習に使用可能な異常音判定方法、異常音判定プログラム及び異常音判定システムを提供することを目的とする。
上記した目的を達成するために、本開示に係る異常音判定方法は、音データを取得する取得工程と、前記音データを人の聴別能力に倣って調整するフィルタ処理工程と、調整後の前記音データを機械学習用の入力データとして生成するデータ生成工程と、を含む異常音判定方法。
上記した目的を達成するために、本開示に係る異常音判定プログラムは、音データを取得する取得工程と、前記音データを人の聴別能力に倣って調整するフィルタ処理工程と、調整後の前記音データを機械学習用の入力データとして生成するデータ生成工程と、をコンピュータに実行させるための異常音判定プログラム。
上記した目的を達成するために、本開示に係る異常音判定システムは、音データを取得する入力部と、前記音データを人の聴別能力に倣って調整し、調整後の前記音データを機械学習用の入力データとして生成する処理部と、を備える異常音判定システム。
本開示によれば、点検技能の教習に使用可能な異常音判定方法、異常音判定プログラム及び異常音判定システムを提供することができる。
以下、本開示の実施形態を図面に基づき説明する。図1に示す異常音判定システム1は、音データ21を取得する入力部11と、音データ21の判定結果3(解析結果)を出力する出力部12と、制御部13と、記憶部14とを有する。入力部11は、有線又は無線による通信手段として外部から音データ21を取得してもよいし、マイク、振動ピックアップ、振動加速度ピックアップ等のセンサ(集音手段)として機能して外部から集音した音(振動)を電気信号に変換可能に構成されていてもよい。
出力部12は、後述する異常音判定プログラム23によって判定された判定結果3を、例えば、ディスプレイに表示させることができ、または、他の装置(例えば、他の表示部若しくはスピーカ)に有線若しくは無線により判定結果3に関するデータを出力することができる。
制御部13は、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)等の回路であり、各種のプログラムを動作させる処理部として機能する。制御部13は、入力部11、出力部12及び記憶部14の動作を制御する。また、制御部13は、異常音判定プログラム23等の各種のプログラムを実行することができる。
記憶部14は、HDD(Hard Disk Drive)、SSD(Solid State Drive)、光ディスク、半導体メモリ等の記憶装置である。記憶部14は、音データ21、画像データ22及び異常音判定プログラム23を記憶する。音データ21は、入力部11により取得されたデータである。音データ21は、異常音を含む異常データと、異常音を含まない非異常音データとを含むことができる。異常音判定プログラム23に入力させる複数の音データ21は、異常音判定システム1の用途や機能に応じて、異常データ及び非異常データの一方又は両方を含むことができる。異常音判定プログラム23は、入力データ生成部231と判定部232とを含む。入力データ生成部231は、音データ21に基づいて画像データ22を生成する。画像データ22は、判定部232に入力する入力データとして用いられる。
判定部232は、画像データ22を入力して元の音データ21に異常音が含まれるか否かの異常判定を行う機能を有する。また、判定部232は、入力された画像データ22を教師データとして用いて機械学習を行うことができる。画像データ22を教師データとして用いる場合は、この画像データ22に、元の音データ21に異常音が含まれているか否かのラベルを含めることができる。なお、異常音判定プログラム23は、コンピュータが読取可能な記憶媒体(例えば記憶部14等の記憶装置)に記憶しておくことができる。
また、異常音判定システム1は、一つの装置により構成してもよいし、複数の装置により構成してもよい。例えば、入力部11、出力部12、制御部13及び記憶部14の一部を異なる複数の装置に配置してもよい。また、異常音判定システム1は、入力部11、出力部12、制御部13及び記憶部14を互いに重複して含む複数の装置が互いに有線又は無線により通信可能に接続されており、本実施形態で説明する処理を実行可能に構成されていてもよい。また、異常音判定システム1は、異常音判定システム1を制御するためのコンピュータ(不図示)を備える。
図2は、異常音判定システム1における異常音判定方法の概要を示す図である。異常音判定システム1が取得した音データ21は、入力データ生成部231(図1参照)により中間データ(一次分割データ21n、二次分割データ21nm)に変換される。その後、中間データに基づいて画像データ22が生成される。画像データ22は、音データ21毎に対応して複数生成することができる。判定部232が画像データ22の異常判定を行うと、異常音判定システム1は画像データ22(換言すれば、元の音データ21)の判定結果3を出力する。
次に、本実施形態の異常音判定方法について説明する。図3は、異常音判定プログラム23の入力データ生成部231における処理を示すフローチャートである。ステップS01で、制御部13は、入力部11を介して音データ21を取得する(取得工程)。音データ21は、例えば、トンネルの内壁等のコンクリートに対する打音検査を行った際の複数の打音波形210(音波形)を含む(図2参照)。音データ21に複数の打音波形210が含まれる場合、制御部13は、音データ21から打音波形210の一つを抽出することができる。
図4は、音データ21の打音波形210を示す図である。図4の縦軸は音圧[Pa]を示しており、横軸は時間[s]を示している。また、図4の破線は、タイミングT0=0[s]から50ms毎に区切ったタイミングを示している。
ステップS02からステップS07のフィルタ処理工程では、制御部13は、音データ21を人の聴別能力に倣って調整する処理を行う。
ステップS02で、制御部13は、時間の調整として、音データ21をタイミングT0から50ms毎に分割する時間分割処理を行う。制御部13は、音データ21を、発音タイミング(T0)を含む予め定めた複数の時間領域の区間に分割する。本実施形態では、タイミングT0を基準に、-100msから+300msまでの区間を、区間(1)~(8)まで8分割した一次分割データ211~218(以下、纏めて一次分割データ21n(n=1~8)という場合がある。)が中間データとして生成される。なお、一次分割データ21nからは、-100msよりも前の区間と、+300msの後の区間が除かれている。図4の打音波形210は、時間領域に表した場合、おおよそ区間(3)及び区間(4)に亘って音圧値が観測されている。
ステップS03で、制御部13は、区間(1)から区間(8)に分割した各一次分割データ211~218を周波数領域のデータに変換する。図5は、周波数領域に変換した一次分割データ211~218を示す図である。制御部13は、時間領域の一次分割データ211~218を、フーリエ変換を用いて周波数領域のデータ(周波数スペクトル)に変換することができる。
ステップS04で、制御部13は、図6に示される周波数重み付け特性F1を用いて、周波数領域に変換した一次分割データ211~218に対し重み付けを行い、音圧レベルの調整を行う。
音データ21をマイク等で集音した場合、音データ21には人には聞こえない周波数領域の音まで含まれる場合がある。例えば、点検員が打音検査を行った際の打音波形210を想定した場合、人が聞こえない周波数領域の音が含まれる音データ21を、教師データや被判定データ(纏めて「入力データ」ともいう。)として使用しても、熟練点の検員による判定技能を判定部232により再現することが難しい。従って、一次分割データ211~218を周波数重み付け特性F1により調整を行う。
図6の周波数重み付け特性F1は、人の耳に合わせた音圧調整であり、低周波数領域と高周波数領域において聴感度が低いことを示している。従って、制御部13は、音圧レベルの調整として、音データ21の周波数毎の音圧レベルの大きさを低周波数領域と高周波数領域において相対的に低下させることで、人の聴感度に倣って重み付けして調整することができる。
ステップS05で、制御部13は、1/3オクターブバンドパスフィルタにより一次分割データ211~218(音データ21)から可聴帯域のデータを抽出して、一次分割データ211~218(音データ21)を複数の周波数帯域に分割する周波数帯域の調整を行う。制御部13は、各一次分割データ211~218に対して、1/3オクターブとなる周波数間隔のバンドパスフィルタをかけて、複数の帯域(本実施形態では32区間)で周波数分割した中間データである二次分割データ21nm(n=1~8、m=1~32であり、nは時分割領域を表し、mは周波数分割領域を表す。)を生成する。なお、1オクターブは周波数比が2倍となる周波数間隔である。
図7は、1/3オクターブバンドパスフィルタの各区間[1]~[32]を示す図である。最も周波数の低い区間[1]は、可聴域と不可聴域の低周波側の境界付近に位置している。また、最も周波数の高い区間[32]は、人の可聴域と不可聴域の高周波側の境界付近に位置している。
なお、制御部13は、1/3オクターブバンドパスフィルタに限らず、各一次分割データ211~218に対して、1/Nオクターブ(例えば、Nは24以上の自然数)となる周波数間隔のバンドパスフィルタをかけて、複数の区間で周波数分割した二次分割データ21nm(n=1~8、m=1~32であり、nは時分割領域を表し、mは周波数分割領域を表す。)を生成してもよい。
ステップS06で、制御部13は、二次分割データ21nmを時間領域のデータに変換する。制御部13は、時間領域の二次分割データ21nmを、逆フーリエ変換を用いて時間領域のデータ(時間スペクトル)に変換することができる。
ステップS07で、制御部13は、図8に示される時間重み付け特性F2を用いて、時間領域に変換した二次分割データ21nmに対し重み付けを行い、音圧レベルの調整を行う(時間重み付け処理)。音の音圧は極めて短時間に変化する。時間重み付け特性F2は、人の耳の時間応答に近似させた特性(いわゆるFast特性)であり、立ち上がりの時定数τ=125msの特性を有する。時間重み付け特性F2の立ち上がりのタイミング(0s)からの傾きは、34.7dB/sである。なお、時間重み付け処理に用いる特性は、時間重み付け特性F2に限らない。
ステップS08で、制御部13は、ステップS02~S07のフィルタ処理により取得した二次分割データ21nmから、図9に示す画像データ22を生成する(データ生成工程)。調整後の複数の二次分割データ21nm(音データ21)によって、画像データ22が生成される。画像データ22は、異常音判定プログラム23の判定部232が読み込み可能な入力データとして用いられる。
画像データ22は、周波数及び時間の互いに直交する二方向に、周波数帯域の各区間[1]~[32]及び時間の各区間(1)~(8)に対応する音圧(音圧レベル)をグレースケールの画素値として配置している。各セル221の画素値(グレースケールの濃淡)は、音圧レベルを示している。なお、画像データ22の画素値として用いる音圧レベルは、周波数及び時間で分割した二次分割データ21nmの音圧の平均値や積分値を用いてもよい。また図9では、説明のため簡易的に3段階の画素値にレベル分けして示している。画素値の大きさ(明るさ)は、セル221a、セル221b、セル221cの順に大きい。従って、音圧レベルは、セル221a、セル221b、セル221cの順に大きくなるように対応している。
異常音判定システム1は、入力部11に入力された一つの音データ21(具体的には、一つの打音波形210を含む音データ)に対応して一つの画像データ22を生成する。複数の音データ21からは、それぞれ対応する複数の画像データ22が生成される。
音データ21の調整後に生成された画像データ22は、判定部232に機械学習用の教師データとして入力させることができる。なお、画像データ22を教師データとして用いる場合、教師データとして、画像データ22に対応する元の音データ21に異常音が含まれているか否かのラベルを含めることができる。
また、画像データ22は、学習済の判定部232に被判定データとして入力させることができる。制御部13は、判定部232により、入力させた画像データ22が異常音を含むか否かを判定させることができる。その後、制御部13は、判定部232による画像データ22(音データ21)の異常有無の判定結果3を、出力部12を介して出力することができる。
このように、異常音判定システム1を用いた異常判定方法では、入力データである画像データ22を、教師データ又は被判定データとして機械学習プログラム(判定部232)に入力させる判定工程を含むことができる。
本実施形態では、人の聴別能力に倣って調整された音データ21を基に判定部232を学習させて、その判定部232により他の音データ21の異常音の有無を判定させている。従って、例えば、打音点検の分野において、音データ21を耳で聴いて判定した被教習者の判定結果と、同じ音データ21を異常音判定プログラム23により判定させて得た判定結果3とを比較することで、被教習者は熟練の点検員による判定を想定した判定結果と照合して点検技能の向上を図ることができる。
また、実際の点検作業現場において異常音判定システム1(異常音判定プログラム23)を用いることで、点検員は他の点検員と同伴しなくても熟練の点検員と同等の判定結果3を参照しながら打音点検作業を行うことができる。そのため、現場で作業を行いながら実地で点検員の点検技能の向上を図ることができる。
なお、本実施形態の異常音判定方法は、Grad-CAMにより異常有無の判定根拠を可視化した根拠画像を作成する可視化工程を含んでもよい。Grad-CAMは、畳み込みニューラルネットワークの最後の畳み込み層により抽出された特徴量に着目して、機械学習が画像のどの部分を見て判定しているのかを可視化する技術である。例えば、画像データ22と同じ行列数の画像に、カラーグラデーションにより判定根拠に対する寄与率の多いセルに着色を施した根拠画像を作成及び表示することにより、熟練の点検員が、主にどの周波数及びタイミングの音を、異常有無の判定根拠としているのかを、他の点検員に客観的に把握させることができる。従って、異常音判定プログラム23を用いて被教習者が教習を受けることで、人による技能教習の機会を十分に得られなくても、どの領域の音を聴別すれば正確な判定が行えるのかを被教習者に習得させることができる。
このように、本開示の実施形態に係る異常音判定システム1において実行可能な異常音判定方法は、音データ21を取得する取得工程(S01)と、音データ21を人の聴別能力に倣って調整するフィルタ処理工程(S02~S07の一部又は全部)と、調整後の音データ21を機械学習用の入力データとして生成するデータ生成工程とを備える構成とした。これにより、入力データを機械学習済の判定プログラム(例えば、判定部232)により異常判定させた場合であっても、熟練点検員の異常有無判定に近似した判定結果を得ることができる。このように、点検技能の教習に使用可能な異常音判定方法、異常音判定プログラム及び異常音判定システム1を構成することができる。
また、入力データとして生成した画像データ22は、可聴域を含めつつ不可聴域が除かれるように調整しているため、聴別技能に関連の低い余分なデータを省いてデータ量の増加を低減することができる。
以上で本開示の実施形態の説明を終えるが、本開示の態様はこの実施形態に限定されるものではない。
例えば、本実施形態のフィルタ処理工程では、音圧レベル、周波数帯域及び時間の全てを調整する構成について説明したが、音データ21に対して音圧レベル、周波数帯域及び時間の一つ又は複数(一部又は全部を含む)を調整する構成としてもよい。
また、本実施形態では、音データ21としてコンクリートに対する打音検査の打音波形210を含む構成について説明したが、音データ21は、金属加工音、自動車、電車、新幹線若しくは飛行機等から発せられる機械音、振動音、打音若しくは騒音のいずれか一部又は複数の音波形(図4で示した打音波形210に相当)を含んでもよい。音データ21としては、異常音を含む又は含まない音波形を用いることができる。異常音は、タイヤ音、車等の車体の故障音、路面の異常音等が考えられる。
また、音データ21は、検査により取得したデータに限らず、その他の任意の手段により取得したデータであってもよい。
また、図3で示した異常音判定方法のステップS02~S07の処理の順は、一つの例であり、適宜順番を入れ替えて実行してもよい。
1 異常音判定システム
3 判定結果
11 入力部
12 出力部
13 制御部
14 記憶部
21 音データ
21n(211~218) 一次分割データ
21nm 二次分割データ
22 画像データ
23 異常音判定プログラム
210 打音波形
221(221a~221c) セル
231 入力データ生成部
232 判定部
F1 周波数重み付け特性
F2 時間重み付け特性
T0 タイミング
τ 時定数
3 判定結果
11 入力部
12 出力部
13 制御部
14 記憶部
21 音データ
21n(211~218) 一次分割データ
21nm 二次分割データ
22 画像データ
23 異常音判定プログラム
210 打音波形
221(221a~221c) セル
231 入力データ生成部
232 判定部
F1 周波数重み付け特性
F2 時間重み付け特性
T0 タイミング
τ 時定数
Claims (10)
- 音データを取得する取得工程と、
前記音データを人の聴別能力に倣って調整するフィルタ処理工程と、
調整後の前記音データを機械学習用の入力データとして生成するデータ生成工程と、
を含む異常音判定方法。 - 前記フィルタ処理工程は、前記音データに対して音圧レベル、周波数帯域及び時間の一つ又は複数を調整する請求項1に記載の異常音判定方法。
- 前記フィルタ処理工程では、前記音圧レベル、前記周波数帯域及び前記時間の全てが調整される請求項2に記載の異常音判定方法。
- 前記フィルタ処理工程は、
前記音圧レベルの調整として、前記音データの周波数毎の前記音圧レベルの大きさを人の聴感度に倣って重み付けして調整し、
前記周波数帯域の調整として、1/3オクターブバンドパスフィルタにより前記音データから可聴帯域のデータを抽出して、前記音データを複数の帯域に分割し、
前記時間の調整として、前記音データを、発音タイミングを含む予め定めた複数の時間領域の区分に分割する、
請求項3に記載の異常音判定方法。 - 前記入力データは、前記周波数帯域及び前記時間の互いに直交する二方向に、前記周波数帯域及び前記時間に対応する前記音圧レベルをグレースケールの画素値として配置させた画像データである請求項3又は請求項4に記載の異常音判定方法。
- 前記音データは、異常音を含む異常データと前記異常音を含まない非異常音データとを含み、
前記入力データを、教師データ又は被判定データとして機械学習プログラムに入力させる判定工程を含む請求項1から請求項5のいずれか一項に記載の異常音判定方法。 - 前記音データは、機械音、振動音又は打音のいずれかを含む請求項1から請求項6のいずれか一項に記載の異常音判定方法。
- Grad-CAMにより異常有無の判定根拠を可視化した根拠画像を作成する可視化工程を含む請求項1から請求項7のいずれか一項に記載の異常音判定方法。
- 音データを取得する取得工程と、
前記音データを人の聴別能力に倣って調整するフィルタ処理工程と、
調整後の前記音データを機械学習用の入力データとして生成するデータ生成工程と、
をコンピュータに実行させるための異常音判定プログラム。 - 音データを取得する入力部と、
前記音データを人の聴別能力に倣って調整し、調整後の前記音データを機械学習用の入力データとして生成する処理部と、
を備える異常音判定システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021158823A JP2023049213A (ja) | 2021-09-29 | 2021-09-29 | 異常音判定方法、異常音判定プログラム及び異常音判定システム |
PCT/JP2022/035838 WO2023054313A1 (ja) | 2021-09-29 | 2022-09-27 | 異常音判定方法、異常音判定プログラム及び異常音判定システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021158823A JP2023049213A (ja) | 2021-09-29 | 2021-09-29 | 異常音判定方法、異常音判定プログラム及び異常音判定システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023049213A true JP2023049213A (ja) | 2023-04-10 |
Family
ID=85782693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021158823A Pending JP2023049213A (ja) | 2021-09-29 | 2021-09-29 | 異常音判定方法、異常音判定プログラム及び異常音判定システム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023049213A (ja) |
WO (1) | WO2023054313A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002267529A (ja) * | 2001-03-09 | 2002-09-18 | Matsushita Electric Ind Co Ltd | 音響解析方法及び音響解析装置 |
WO2016117358A1 (ja) * | 2015-01-21 | 2016-07-28 | 三菱電機株式会社 | 検査データ処理装置および検査データ処理方法 |
JP6684339B1 (ja) * | 2018-12-11 | 2020-04-22 | 株式会社小野測器 | 音評価aiシステム、および、音評価aiプログラム |
CN110579354B (zh) * | 2019-10-16 | 2020-11-06 | 西安交通大学 | 一种基于卷积神经网络的轴承检测方法 |
-
2021
- 2021-09-29 JP JP2021158823A patent/JP2023049213A/ja active Pending
-
2022
- 2022-09-27 WO PCT/JP2022/035838 patent/WO2023054313A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023054313A1 (ja) | 2023-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6061693B2 (ja) | 異常診断装置およびこれを用いた異常診断方法 | |
CN104819846B (zh) | 一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法 | |
Grillo et al. | Influence of smartphones and software on acoustic voice measures | |
CN104937955B (zh) | 自动的扬声器极性检测 | |
CN103050128B (zh) | 基于抖动失真的语音频客观质量评价方法及系统 | |
WO2023054313A1 (ja) | 異常音判定方法、異常音判定プログラム及び異常音判定システム | |
JP2018189522A (ja) | 設備故障の予兆診断方法 | |
JP2021536596A (ja) | 正規化を介して音響信号をフィンガープリンティングするための方法及び装置 | |
KR101907276B1 (ko) | 악기연주 연습 시스템 및 악기연주 지원 방법 | |
CN110068466B (zh) | 基于脑电波的车辆声品质评价方法 | |
US9148732B2 (en) | Method for testing hearing aids | |
JP4844049B2 (ja) | 樹幹の空洞状況推定装置 | |
KR102580051B1 (ko) | 구조물의 내부 결함 판독 장치 및 그 방법 | |
CN112992182B (zh) | 车辆风噪水平测试系统及其测试方法 | |
JP7294422B2 (ja) | 音モデル生成装置、音信号処理システム、音モデル生成方法、およびプログラム | |
JP2012055636A (ja) | ゴルフクラブの設計システムおよびゴルフクラブの設計方法 | |
JP2020034555A (ja) | 非破壊検査システム、方法およびプログラム | |
Marshall et al. | Metrics including time-varying loudness models to assess the impact of sonic booms and other transient sounds | |
CN115040117B (zh) | 一种便携式听力测试评估方法及系统 | |
JP6959420B1 (ja) | 信号処理装置、及び、信号処理方法 | |
CN111803080B (zh) | 婴儿畸变耳声检测仪及其检测方法 | |
JP6702539B2 (ja) | きこえの診断装置、診断方法、及びプログラム | |
JPWO2015145763A1 (ja) | 呼吸音解析装置及び呼吸音解析方法、並びにコンピュータプログラム及び記録媒体 | |
JP2023179189A (ja) | 音の評価指標計算方法、評価データを生成する方法、音の評価装置、及びコンピュータプログラム | |
JP2023091527A (ja) | 信号処理装置、及び、信号処理方法 |