JP7188598B2 - 異常度推定装置、異常度推定方法、およびプログラム - Google Patents
異常度推定装置、異常度推定方法、およびプログラム Download PDFInfo
- Publication number
- JP7188598B2 JP7188598B2 JP2021536507A JP2021536507A JP7188598B2 JP 7188598 B2 JP7188598 B2 JP 7188598B2 JP 2021536507 A JP2021536507 A JP 2021536507A JP 2021536507 A JP2021536507 A JP 2021536507A JP 7188598 B2 JP7188598 B2 JP 7188598B2
- Authority
- JP
- Japan
- Prior art keywords
- anomaly
- sound
- degree
- normal sound
- registered
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
Description
<第1の課題を解決する技術:登録音の特徴量抽出>
まず、任意の時間フレーム長の登録音Z={zk∈RF}k=1 Kを埋め込む技術を説明する。この技術では、(1)時間周波数マスキングと(2)自己注意(self-attention)の2つの技術の要点を組み合わせることで埋め込みを実現する。時間周波数マスキングは音声強調などで利用される一般的な手法である(例えば参考文献1参照)。自己注意は文書検索などで広く使われる一般的な手法である(例えば参考文献2参照)。登録音検知のための埋め込みのために、2つの技術の要点を組み合わせた新しい手法を採ることで、工場のような雑音下でも検知したい音の特徴を抽出し、また継続時間長の長さに関わらず同一のアルゴリズムで登録音を埋め込みできる、という登録音正常/異常検知や特定音響イベント検出(specific sound event detection, or rare sound event detection)などに適した相乗効果が生まれる。
〔参考文献2〕A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, and I. Polosukhin, "Attention Is All You Need," in Proceedings of 31st Conference on Neural Information Processing Systems (NIPS 2017), 2017.
工場などで観測した信号は、観測機器の動作音だけでなく、周囲の雑音なども同時に観測する。これは、登録音Zを埋め込む際に、雑音も同時に埋め込んでしまうため、精度低下の原因となる。そこでまず、時間周波数マスキングを参考に、登録音Zから不要な情報を除去する。
続いて、式(3)で求めたZ'を低次元ベクトルm∈RDへ埋め込む手法を説明する。ここで、誤判定しやすい時間フレームとは、入力される登録音が正常音である場合は例えば未知の正常音を含む時間フレームであり、入力される登録音が異常音である場合は異常音を含む時間フレームである。まず、自己注意を利用して時系列データであるZ'を1つのベクトルy'∈RCへと集約する。そして圧縮行列Ws∈RC×Fを用いてy'をmへと埋め込む。この手続きは以下のように記述できる。
いま、N-1個の正常音がモデルに登録されており、N番目の誤検知した正常音ZNを誤検知しないように登録したいとする。式(9)で用いる下付き文字のnは、n番目の登録正常音に対応するパラメータであることを示す。以降、数式中で用いても説明は省略する。また、文中では記載を省略することもある。登録正常音に対して異常度を減少させたいため、新たに異常度関数を式(9)のように定義する。
以下、この発明の実施の形態について詳細に説明する。なお、図面中において同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
実施形態の正常音登録装置1は、図1に例示するように、入力部11、初期化部13、特徴量抽出部14、異常度計算部15、パラメータ更新部16、収束判定部17、および出力部18を備える。正常音登録装置1は、必要に応じて、周波数変換部12をさらに備えていてもよい。この正常音登録装置1が、図2に例示する各ステップの処理を行うことにより実施形態の正常音登録方法が実現される。
実施形態の登録正常音検知装置2は、図3に例示するように、パラメータ記憶部20、入力部21、特徴量抽出部24、異常度計算部25、状態判定部26、および出力部27を備える。登録正常音検知装置2は、必要に応じて、分割部22および周波数変換部23をさらに備えていてもよい。この登録正常音検知装置2が、図4に例示する各ステップの処理を行うことにより実施形態の登録正常音検知方法が実現される。
実施形態の登録正常音検知装置を用いて登録正常音検知を行った実験結果を、図5,6に示す。図5上段は、登録した正常音のスペクトログラムである。この音は、破線で囲われた0.25秒付近から1.25秒付近にかけてサイレン音が含まれている。異常度Aを設計する際の学習データにこの音が含まれていない場合、この音は誤検知されてしまう。そこで実施形態の正常音登録装置を用いてこの正常音を登録した。その結果、図5中段のようなマスク行列と、図5下段のような自己注意係数が推定された。図5中段のマスク行列は、サイレン音が存在する時間区間において比較的大きな値が出力されている。また図5下段の自己注意係数もサイレン音が存在する時間区間において比較的大きな値が出力されている。
上述の実施形態では、正常音登録装置1が登録したい正常音から特徴量を抽出し、その登録正常音を検知するためのパラメータを学習する構成としたが、登録音から特徴量を抽出する機能のみを備えた特徴量抽出装置を構成することも可能である。この特徴量抽出装置は、実施形態の正常音登録装置1が備える特徴量抽出部14を備える。この特徴量抽出装置は、周波数変換部12をさらに備えてもよい。この特徴量抽出装置は、例えば、任意の長さの時系列音響信号を入力とし、登録音の特徴が反映された固定長の特徴量を出力とする。
上記実施形態で説明した各装置における各種の処理機能をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムを図7に示すコンピュータの記憶部1020に読み込ませ、制御部1010、入力部1030、出力部1040などに動作させることにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
Claims (6)
- 観測信号の異常度を推定する異常度推定装置であって、
前記観測信号から算出した異常度を、前記観測信号と登録正常音との類似度が高いほど値が小さくなるように補正する異常度計算部を含む、
異常度推定装置。 - 請求項1に記載の異常度推定装置であって、
任意の長さの時系列音響信号から特徴量を示す指定された次元のベクトルを抽出する特徴量抽出部をさらに含み、
前記特徴量抽出部は、少なくとも既知の正常音と未知の正常音とを含む時系列音響信号からは前記未知の正常音の特徴が反映された特徴量を抽出するよう最適化されており、
前記異常度計算部は、前記特徴量抽出部が少なくとも正常音を含む時系列音響信号から抽出した特徴量を用いて学習された類似度関数により前記類似度を算出する、
異常度推定装置。 - 請求項2に記載の異常度推定装置であって、
前記時系列音響信号を周波数変換した時系列周波数信号を取得する周波数変換部をさらに含み、
前記特徴量抽出部は、前記時系列音響信号の時間領域の成分と前記時系列周波数信号の周波数領域の成分とに基づいて、発生頻度が低い前記既知の正常音の特徴を推定して前記特徴量を抽出するものである、
異常度推定装置。 - 請求項3に記載の異常度推定装置であって、
前記特徴量抽出部は、前記時系列音響信号から推定した前記特徴を時間区間毎に重み付けして前記特徴量を抽出するものである、
異常度推定装置。 - 観測信号の異常度を算出する異常度推定方法であって、
異常度計算部が、前記観測信号から算出した異常度を、前記観測信号と登録正常音との類似度が高いほど値が小さくなるように補正する、
異常度推定方法。 - 請求項1から4のいずれかに記載の異常度推定装置としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/029777 WO2021019672A1 (ja) | 2019-07-30 | 2019-07-30 | 異常度推定装置、異常度推定方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021019672A1 JPWO2021019672A1 (ja) | 2021-02-04 |
JP7188598B2 true JP7188598B2 (ja) | 2022-12-13 |
Family
ID=74229342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021536507A Active JP7188598B2 (ja) | 2019-07-30 | 2019-07-30 | 異常度推定装置、異常度推定方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11835430B2 (ja) |
JP (1) | JP7188598B2 (ja) |
WO (1) | WO2021019672A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11880750B2 (en) * | 2020-04-15 | 2024-01-23 | SparkCognition, Inc. | Anomaly detection based on device vibration |
US11843623B2 (en) * | 2021-03-16 | 2023-12-12 | Mitsubishi Electric Research Laboratories, Inc. | Apparatus and method for anomaly detection |
JP7386278B2 (ja) | 2022-02-28 | 2023-11-24 | 株式会社日立製作所 | 検査装置及び方法 |
WO2023181354A1 (ja) * | 2022-03-25 | 2023-09-28 | 日本電気株式会社 | 情報処理装置、算出方法及び記憶媒体 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013253847A (ja) | 2012-06-06 | 2013-12-19 | Hitachi Ltd | 故障確率算出装置及び故障確率算出方法並びに鉄道保守システム |
CN106323452A (zh) | 2015-07-06 | 2017-01-11 | 中达电子零组件(吴江)有限公司 | 一种设备异音的检测方法及检测装置 |
JP2017090606A (ja) | 2015-11-09 | 2017-05-25 | 日本電信電話株式会社 | 異常音検出装置、異常音検出学習装置、これらの方法及びプログラム |
WO2017171051A1 (ja) | 2016-04-01 | 2017-10-05 | 日本電信電話株式会社 | 異常音検出学習装置、音響特徴量抽出装置、異常音サンプリング装置、これらの方法及びプログラム |
JP2018022014A (ja) | 2016-08-03 | 2018-02-08 | 日本電信電話株式会社 | 特徴量抽出装置、特徴量抽出関数情報生成装置、これらの方法及びプログラム |
WO2018042616A1 (ja) | 2016-09-02 | 2018-03-08 | 株式会社日立製作所 | 診断装置、診断方法及び診断プログラム |
JP2019020124A (ja) | 2017-07-11 | 2019-02-07 | 富士通株式会社 | 異常検出プログラム、異常検出方法、及び情報処理装置 |
WO2019049688A1 (ja) | 2017-09-06 | 2019-03-14 | 日本電信電話株式会社 | 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58100734A (ja) * | 1981-12-11 | 1983-06-15 | Nippon Atom Ind Group Co Ltd | 回転機器の異常検出法および装置 |
JPH09166483A (ja) * | 1995-12-19 | 1997-06-24 | Hitachi Ltd | 機器監視方法及びその装置 |
JPH11118593A (ja) * | 1997-10-15 | 1999-04-30 | Toshiba Corp | プラント異常監視装置 |
-
2019
- 2019-07-30 JP JP2021536507A patent/JP7188598B2/ja active Active
- 2019-07-30 WO PCT/JP2019/029777 patent/WO2021019672A1/ja active Application Filing
- 2019-07-30 US US17/630,112 patent/US11835430B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013253847A (ja) | 2012-06-06 | 2013-12-19 | Hitachi Ltd | 故障確率算出装置及び故障確率算出方法並びに鉄道保守システム |
CN106323452A (zh) | 2015-07-06 | 2017-01-11 | 中达电子零组件(吴江)有限公司 | 一种设备异音的检测方法及检测装置 |
JP2017090606A (ja) | 2015-11-09 | 2017-05-25 | 日本電信電話株式会社 | 異常音検出装置、異常音検出学習装置、これらの方法及びプログラム |
WO2017171051A1 (ja) | 2016-04-01 | 2017-10-05 | 日本電信電話株式会社 | 異常音検出学習装置、音響特徴量抽出装置、異常音サンプリング装置、これらの方法及びプログラム |
JP2018022014A (ja) | 2016-08-03 | 2018-02-08 | 日本電信電話株式会社 | 特徴量抽出装置、特徴量抽出関数情報生成装置、これらの方法及びプログラム |
WO2018042616A1 (ja) | 2016-09-02 | 2018-03-08 | 株式会社日立製作所 | 診断装置、診断方法及び診断プログラム |
JP2019020124A (ja) | 2017-07-11 | 2019-02-07 | 富士通株式会社 | 異常検出プログラム、異常検出方法、及び情報処理装置 |
WO2019049688A1 (ja) | 2017-09-06 | 2019-03-14 | 日本電信電話株式会社 | 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム |
Non-Patent Citations (1)
Title |
---|
KOIZUMI, Yuma, et al.,NIPER: Few-shot Learning for Anomaly Detection to Minimize False-negative Rate with Ensured True-positive Rate,ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing,2019年,p. 915-919,[検索日:2022.07.11], <DOI: 10.1109/ICASSP.2019.8683667>, https://ieeexplore.ieee.org/document/8683667 でダウンロード可能 |
Also Published As
Publication number | Publication date |
---|---|
US11835430B2 (en) | 2023-12-05 |
US20220283057A1 (en) | 2022-09-08 |
WO2021019672A1 (ja) | 2021-02-04 |
JPWO2021019672A1 (ja) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7188598B2 (ja) | 異常度推定装置、異常度推定方法、およびプログラム | |
CN111108362B (zh) | 异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、以及记录介质 | |
WO2018196760A1 (en) | Ensemble transfer learning | |
JP2022082713A (ja) | データ変換装置 | |
US20200265119A1 (en) | Site-specific anomaly detection | |
JP6881207B2 (ja) | 学習装置、プログラム | |
US20150089309A1 (en) | Troubleshooting based on log similarity | |
WO2019220620A1 (ja) | 異常検出装置、異常検出方法及びプログラム | |
US20230282216A1 (en) | Authentication method and apparatus with transformation model | |
CN111612037A (zh) | 异常用户检测方法、装置、介质及电子设备 | |
CN111125529A (zh) | 产品匹配方法、装置、计算机设备及存储介质 | |
CN112883990A (zh) | 数据分类方法及装置、计算机存储介质、电子设备 | |
CN113986674A (zh) | 时序数据的异常检测方法、装置和电子设备 | |
US20220122629A1 (en) | Sound generation apparatus, data generation apparatus, anomaly score calculation apparatus, and program | |
JP6676009B2 (ja) | 話者判定装置、話者判定情報生成方法、プログラム | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
Lee et al. | Early failure detection of paper manufacturing machinery using nearest neighbor‐based feature extraction | |
Heravi et al. | Structural health monitoring by probability density function of autoregressive-based damage features and fast distance correlation method | |
US20200401943A1 (en) | Model learning apparatus, model learning method, and program | |
JP7188597B2 (ja) | 特徴量抽出装置、異常度推定装置、それらの方法、およびプログラム | |
US11030995B2 (en) | Acoustic feature extractor selected according to status flag of frame of acoustic signal | |
JP7231027B2 (ja) | 異常度推定装置、異常度推定方法、プログラム | |
JP2018109739A (ja) | 音声フレーム処理用の装置及び方法 | |
CN113610503A (zh) | 简历信息处理方法、装置、设备及介质 | |
JP2018132678A (ja) | ターンテイキングタイミング識別装置、ターンテイキングタイミング識別方法、プログラム、記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220909 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221114 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7188598 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |