TWI751642B - 異音偵測及判斷成因之檢測系統 - Google Patents
異音偵測及判斷成因之檢測系統 Download PDFInfo
- Publication number
- TWI751642B TWI751642B TW109127131A TW109127131A TWI751642B TW I751642 B TWI751642 B TW I751642B TW 109127131 A TW109127131 A TW 109127131A TW 109127131 A TW109127131 A TW 109127131A TW I751642 B TWI751642 B TW I751642B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- audio
- comparison
- abnormal sound
- cause
- Prior art date
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 118
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 230000002068 genetic effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本創作係關於一種異音偵測及判斷成因之檢測系統,操作者可以根據不同使用場合、目的,透過輸入單元進行設定,接著開始收音而得到一音訊資料,然後透過事先收集好的各種音訊種類比對資料將該音訊資料進行分類,剩餘無法分類之部分音訊則定為異音而形成分群剩餘音訊資料,再來將該分群剩餘音訊資料與事先收集好的異音種類比對資料進行比對,當形成匹配後便可得知異音之形成原因而得到一成因資料,並透過顯示器顯示該成因資料。
Description
本發明創作係關於一種檢測系統,尤指一種異音偵測及判斷成因之檢測系統。
按,機械內部零件損壞時,常常伴隨著異常聲音(以下簡稱異音),這些異常聲音不一定人耳可直接辨識,也可能受其他零件作動時發出聲響的干擾令人難以辨識異音來源,由於各種零件損毀所產生的異音不盡相同,所以這些異音正是機械維修技師判斷機械損壞成因之重要判斷因素。
不只上述機械零件損壞才會出現異音,生活中也常出現令人難以忍受的聲音,例如水槌效應所產生的異音,除了令周圍住戶難以入眠外,水槌效應也可能造成內部水路管線受到破害。此外,日前貴州威寧縣也接連傳出奇怪叫聲,附近居民不知道其成因為何,僅針對該叫聲形容成類似牛叫聲或龍叫聲,進而引起新聞媒體、民眾的注意。
由於每種異音的出現都有相對應之成因,且隨著科技的進步,現在對於聲音辨識之相關技術也越來越成熟。因此,本創作者認為,若可配合專家、學者將各種異音相關資料、成因收集起來,當有異音出現時,便可與收集後之異音進行比對以判斷其成因。
有鑑於先前技術所述之問題,本創作者提出一種改善之手段,該手段係關於一種異音偵測及判斷成因之檢測系統,包括:
一系統主機:
該系統主機內部設有一處理器,且該處理器資訊連接一顯示器、一輸入單元、一第一聲音接收單元及一資料庫;該第一聲音接收單元可供收音而得到一第一音訊資料;該資料庫包括複數比對資料,各比對資料內分別包括至少一音訊種類比對資料、至少一第一異音種類比對資料、及對應該第一異音種類比對資料之第一成因資料;該輸入單元可供輸入一比對設定資料;該處理器寫有一音訊比對程式,該音訊比對程式可供該處理器執行:根據該比對設定資料找出相對應之比對資料,再根據該音訊種類比對資料對該第一音訊資料進行分群,當分群結果有部分音訊無法被分群時,則將該部分音訊作為一分群剩餘音訊資料,再根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對,當二者匹配時則取出該第一成因資料,並控制該顯示器顯示該第一成因資料。
操作者主要先透過該輸入單元進行設定,以令本系統知道待檢測之環境、物品等資料,然後將收集到的該第一音訊資料進行分析,先透過原本收集好的該音訊種類比對資料與該第一音訊資料進行比對,藉以將該第一音訊資料內的音訊進行分群,最後無法與該音訊種類比對資料形成匹配以至於無法被分群之部分音訊可視為異音而形成該分群剩餘音訊資料,接著將該分群剩餘音訊資料與該第一異音種類比對資料進行比對藉以判斷其成因。
以下藉由圖式之輔助,說明本發明創作之構造、特點與實施例,俾使貴審查人員對於本發明創作有更進一步之瞭解。
請參閱圖1、2所示,本創作係關於一種異音偵測及判斷成因之檢測系統,包括:
一系統主機1:
如圖1所示,該系統主機1內部設有一處理器11,且該處理器11資訊連接一顯示器12、一輸入單元13、一第一聲音接收單元14及一資料庫15;該第一聲音接收單元14可供收音而得到一第一音訊資料,該資料庫15包括複數比對資料,各比對資料內分別包括至少一音訊種類比對資料、至少一第一異音種類比對資料、及對應該第一異音種類比對資料之第一成因資料。
這部分值得一提的是,該比對資料主要是指偵測環境及待比對物的資料,例如,當欲偵測自然界中深度地層是否有發出異常聲響時,由於接收到的聲音是來自於深層地層,但仍有可能會接收到淺層地層或是地表上之常見的自然音,在此,深層地層中所接收到的聲音源可能來自於因板塊擠壓、扭曲、震動等因素所發出具有較大低頻能量之聲響,有別於淺層地層或是地表自然音(地表自然音如:風聲、蟲鳴叫聲、鳥叫聲等),也因此,該音訊種類比對資料包括了風聲比對資料、地層震動比對資料、蟲鳴叫聲比對資料、鳥叫聲比對資料、以及各種地底深層聲音比對資料等。亦或者是,當僅針對深度地層進行精確的聲音收集時,實務不會有淺層地層或是地表自然音的干涉,此時僅會包含有各種地底深層聲音比對資料。若事前已知地層發出各種異常聲響所代表的狀況、成因(如地震)時,該第一異音種類比對資料則為地震比對資料,而各比對資料主要係透過特徵值來進行比對。
又或者,當欲比對汽車運作時是否有出現異音時,這時接收到的聲音可能有汽車引擎、環境音、異音等,則該音訊種類比對資料則包括汽車引擎、環境音等,若事前知道汽車各零件損毀時會發相對應異音時,則該第一成音資料則可以為:引擎損毀、變速箱損毀等,而該第一異音種類比對資料則是對應該引擎損毀之異音、或對應該變速箱損毀之異音等,也因此,本創作於實施時,異音種類之數量很多,也因此,相對應之成因資料也很多,為易於解說本創作之優點及實施態樣,以下先以該第一異音種類比對資料及該第一成因資料為例進行說明。
此外,上述該第一異音種類比對資料是透過與專家學者共同研究,將收集到的異音與成因進行訓練而產生,舉例來說,當專家判斷汽車引擎損毀時,這時可將汽車引擎異常時所收到的聲音,與汽車引擎尚未損毀時的聲音進行比對、訓練,以找到判斷引擎損毀時所產生之異音種類比對資料。同理,由於收音時會連同其他非觀察對象之聲音也會收錄,所以此部分也是與專家學者共同研究、討論,並配合電腦進行訓練以得到該音訊種類比對資料。如此一來,以下該處理器11在判斷該第一音訊資料時,可先將其他聲音濾除剩餘後的聲音即定為異音,藉以判斷、檢測該第一音訊資料內是否有異音。
該輸入單元13可供輸入一比對設定資料,例如今天欲比對汽車是否有發出異音這時可輸入汽車,根據操作者之需求不同、使用狀況之不同進行設定,藉以供系統了解目前欲檢測之標的為何,以利後續之異音偵測、成因判斷之流程。該處理器11寫有一音訊比對程式,該音訊比對程式可供該處理器11執行:根據該比對設定資料找出相對應之比對資料,例如該輸入單元13輸入汽車時,這時該處理器11會找汽車之比對資料,倘若該輸入單元輸入山區時,這時該處理器11則是找山區的比對資料。接著,該處理器11再根據該音訊種類比對資料對該第一音訊資料進行分群,當分群結果有部分音訊無法被分群時,則將該部分音訊作為一分群剩餘音訊資料,再根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對,當二者匹配時則取出該第一成因資料,並控制該顯示器12顯示該第一成因資料。
以下配合圖2用汽車變速箱出現異音為例來具體介紹本創作之操作步驟,首先步驟S1:先透過該第一聲音接收單元14接收汽車運作時所發出之聲音而得到該第一音訊資料,接著步驟S2:為了找出該第一音訊資料中是否存有異音,所以需要將環境音、汽車各零件正常運作之聲音進行濾除,該處理器11會根據該音訊種類比對資料對該第一音訊資料進行分群,當分群結果有部分音訊無法被分群時,這部分音訊則定為異音,該處理器11會將該部分音訊作為該分群剩餘音訊資料。另一種情況是,在檢測過程中有可能會是在排除環境音存在的場合下所進行(例如車廠密閉空間中),故可排除環境音的比對及濾除過程,直接進行下一階段的分群步驟。接著步驟S3:開始判讀該分群剩餘音訊資料的種類,例如當該分群剩餘音訊資料是變速箱損毀時所發出來的異音時,該處理器11根據該分群剩餘音訊資料與變速箱的第一異音種類比對資料將會高度吻合,步驟S4:這時該處理器11會控制該顯示器12顯示:變速箱損毀。
本創作於實際實施時,先透過與各專家學者共同合作,以建立對應各種狀況(如汽車、工具機、自然環境)之該比對資料,以豐富該資料庫之內容。如此一來,本創作可廣泛用於各種領域範圍,以協助相關從業人員、學者進行聲音之辨識,並了解異音的成因。
以下先介紹前述中對該第一音訊資料進行分群之具體實施方式:該處理器11先將該第一音訊資料由時域轉換為頻域得到一音訊頻域資料,再將該音訊頻域資料中頻率相近者進行分群得到複數音訊頻域分群資料,接著取各音訊頻域分群資料與該音訊種類比對資料以K最鄰近演算法進行比對而得到該分群結果。
由於聲音之比對較佳係透過音訊資料內所呈現之特徵值來進行比對,利用K最鄰近演算法進行比對時,係將各音訊頻域分群資料內的特徵值與該音訊種類比對資料的特徵值進行比對以判斷近似程度,藉以判斷各音訊頻域分群資料的聲音種類,而當無法被判斷之音訊頻域分群資料則被視為異音。透過此種方法具有簡單、便於使用、快速等分析優點。
此外,值得一提的是,在對聲音收集、分群的過程中,操作者可以透過該輸入單元13調整該第一音訊資料之參數,舉例來說可調整該第一音訊資料之頻率範圍、振幅範圍等,又或者在分群過程中透過設定來調整音框大小,將該第一音訊資料區分成複數段部進行分析等,各行各業的人員可以根據自身聲音分析之特性透過該輸入單元13進行參數等細節的調整。而分群的優點在於可有效區分出各種聲音藉以區分出異音,同時該異音被找出後,便可將該異音進行紀錄,以利日後進行相關聲音訓練、分析等工作事項。
本創作除了有上述功效外,進一步還提供判斷異音方向之功能,其實施方式為:該第一聲音接收單元14設於X軸,於Y軸及Z軸更設一第二聲音接收單元14A及一第三聲音接收單元14B,該第二聲音接收單元14A及該第三聲音接收單元14B分別可供收音,而得到一第二音訊資料及一第三音訊資料。
如此一來,當該處理器12分析出該分群剩餘音訊資料後,可將該分群剩餘音訊資料與該第二音訊資料及該第三音訊資料作比對,看該第二及第三音訊資料內是否也有該分群剩餘音訊資料。由於本創作X軸、Y軸、Z軸都設有聲音接收單元,所以接下來可以利用TDOA(Time Difference of Arrival)演算法來估算出異音之空間方向,最後得到一分群剩餘音訊空間方向資料。因此,操作者可以透過該分群剩餘音訊空間方向資料了解到異音出現的空間位置。
本創作用於判斷汽車、機械等方面的異音偵測、成因判斷時,當知道異音出現的空間位置後,更可協助操作者判斷零件損毀位置,也因此,本創作再進一步利用此種特性,提高成因判斷之準確度,為此,本創作可以實施為:該資料庫15中具有一機械零件立體分布資料,以汽車為例,以立體圖像解釋該機械零件立體分布資料時,該機械零件立體分布資料會呈現汽車的立體輪廓,並於汽車各部位顯示各汽車元件。該處理器11根據該分群剩餘音訊空間方向資料於該機械零件立體分布資料中找出相對應之零件資料,當該零件資料與該第一成因資料匹配時,則控制該顯示器12顯示該第一成因資料。
舉例來說,當汽車變速箱受損而產生異音時,透過上述之方式所得到的該分群剩餘音訊空間方向資料,再配合該機械零件立體分布資料後,可初步判斷是汽車變速箱出現問題,接著,再透過該處理器11根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對後所得到之該第一成因資料與該零件資料做比對,當該第一成因資料也是代表異音來源為汽車變速箱,那麼表示汽車變速箱真的出現問題的機率相當高,因此,該處理器11會控制該顯示器12顯示該汽車變速箱出現問題。如此一來,透過此種方式可提高本創作的辨識準確率。
除了上述提高本創作對於異音判斷成因之準確度方式外,另外,本創作更進一步提供二種提高準確度之方式,其中之一為:各比對資料內分別包括一對應該第一異音種類比對資料之頻率比對資料;該處理器11分析該第一音訊資料中該分群剩餘音訊資料的出現頻率而得到一頻率資料;當該分群剩餘音訊資料與該第一異音種類比對資料匹配成功、該零件資料與該第一成因資料匹配成功、且該頻率資料與該頻率比對資料匹配成功時才取出該第一成因資料。
為避免偶然出現之異音被本系統偵測到後,便直接判斷出相對應之成因恐有誤判之虞,為此,本創作更進一步將出現異音之頻率作為判斷基礎,因此,該分群剩餘音訊資料除了必須與該第一異音種類比對資料匹配成功,還須與該頻率比對資料匹配成功,以及該零件資料與該第一成因資料匹配成功,才能加以確定出該第一成因資料。藉以避免誤判問題之產生,以提高本系統整體之準確度。
接著,第二種提高準確度之方式為:更設一振動偵測器16,該振動偵測器16資訊連接該處理器11且可供測得一振動資料;各比對資料內分別包括一對應該第一成因資料之振動頻率比對資料;當該分群剩餘音訊資料與該第一異音種類比對資料匹配成功、該頻率資料與該頻率比對資料匹配成功、該零件資料與該第一成因資料匹配成功、且該振動資料與該振動頻率比對資料匹配成功時才取出該第一成因資料。
由於當機械零件損毀時,有相當高之機率會產生不正常振動,而每種機械零件損毀時所產生的振動頻率也不盡相同,此外,大自然中也有相同狀況,當偵測到異音時,也有相當之可能伴隨著異常振動。也因此,本創作再進一步利用此種特性來提升整體的辨識準確度,須該分群剩餘音訊資料與該第一異音種類比對資料匹配成功、該頻率資料與該頻率比對資料匹配成功、且該振動資料與該振動頻率比對資料匹配成功時才取出該第一成因資料。
本創作除了上述之功能外,又進一步可供紀錄各種比對相關資料,以供日後可以進行改進,或是找出更多異音之成因,藉以提升本創作之辨識能力,為此,首先本創作可以實施為:更設一資訊連接該處理器11之紀錄資料庫15A;當該處理器11取出該第一成因資料後,將該第一至第三音訊資料、該分群剩餘音訊空間方向資料、該第一成因資料及日期製作成一比對紀錄資料,並儲存至該紀錄資料庫15A內。
本實施例之優點在於,當系統產生誤判時,相關專家、學者可根據實際異音之成因,配合該比對紀錄資料進行訓練、分析等,以確切找出誤判之原因,以供日後可透過改善該資料庫15內之各種資料,以提升整體的判斷準確度。
除了上述之狀況外,也可能發生該處理器11無法判斷異音之成因,這時,本創作可以實施為:當該處理器11無法取出該第一成因資料時,則將該第一至第三音訊資料及日期製作成一待鑑定紀錄資料,並儲存至該紀錄資料庫15A內。
因此,專家學者可以根據該待鑑定紀錄資料進行分析,以了解該異音之真實成因。除此之外,該處理器11更可以連接一通報單元17,當發生無法判斷異音之成因之狀況時,可透過該通報單元17提醒操作者必須注意,此外,當發生異音時,該處理器11也可以透過該通報單元17進行通報,以告知操作者必須注意。且,該通報單元17可以是透過警示器、蜂鳴器,又或者透過人機介面進行顯示、通知,又或者透過手機APP、推播等方式達到通報效果。
當短時間內(如一周內、一個月內)同樣零件偵測到異音時,這時可能代表真正影響該零件發出異音的成因並非該零件損毀而是有其他因素影響,也因此,當二比對紀錄資料之該第一成因資料相同,且二比對紀錄資料之日期相隔於一預設期間內時,該處理器11製作出一提醒資料並控制該顯示器12顯示該提醒資料,以供操作者、專家學者可以提高警覺心,須判斷是否有其他因素影響該異音之形成。同樣的,這部分如同前述該處理器11也可以透過該通報單元17進行通報。此外,該提醒資料於呈現時,較佳係同時呈現該二比對紀錄資料之成因、時間等,以利專家、學者、操作者進行判讀。
誠如上述異音種類繁多,所以各比對資料內存有各種異音的異音比對資料及相對應之成因資料,也因此,本創作另外提供一種判斷成因之方式,當異音產生時該處理器11可提供分析各種成因之可能性百分比。為此,各比對資料內包括一第二異音種類比對資料、及對應該第二異音種類比對資料之第二成因資料;該處理器11根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對得到一第一匹配程度百分值,該處理器11根據該分群剩餘音訊資料與該第二異音種類比對資料進行比對得到一第二匹配程度百分值,該處理器11根據該第一及第二匹配程度百分值,及該第一第二成因資料,製作出一成因百分比資料,並控制該顯示器12顯示該成因百分比資料。
因此,當本系統檢驗汽車所發出之異音時,可透過上述方式,將異音與各異音種類比對資料進行比對,例如將異音與變速箱損壞時之異音進行比對、將異音與避震器損壞時之異音進行比對、將異音與排氣管損壞之異音進行比對,必對過程中利用K最鄰近演算法判斷各種相似程度,最後估算出百分比,所以該顯示器12會呈現變速箱損毀機率50%、避震器損毀機率10%、排氣管損毀機率15%的該成因百分比資料。如此一來,維修技師便可透過百分比做為參考依據,來依序檢驗或是對相對應零件進行維修。
綜上所述,本案符合專利法所定之要件,爰依法提出專利申請,而上述說明僅列舉本發明創作之較佳實施例,本案之權利範圍仍以請求項所列為主。
1:系統主機
11:處理器
12:顯示器
13:輸入單元
14:第一聲音接收單元
14A:第二聲音接收單元
14B:第三聲音接收單元
15:資料庫
15A:紀錄資料庫
16:振動偵測器
17:通報單元
S1~S4:步驟
圖1係本創作之各元件連結示意圖
圖2係本創作之步驟流程示意圖
1:系統主機
11:處理器
12:顯示器
13:輸入單元
14:第一聲音接收單元
14A:第二聲音接收單元
14B:第三聲音接收單元
15:資料庫
15A:紀錄資料庫
16:振動偵測器
17:通報單元
Claims (8)
- 一種異音偵測及判斷成因之檢測系統,包括:一系統主機:內部設有一處理器,且該處理器資訊連接一顯示器、一輸入單元、一第一聲音接收單元及一資料庫;該第一聲音接收單元可供收音而得到一第一音訊資料;該資料庫包括複數比對資料,各比對資料內分別包括至少一音訊種類比對資料、至少一第一異音種類比對資料、及對應該第一異音種類比對資料之第一成因資料;該輸入單元可供輸入一比對設定資料;該處理器寫有一音訊比對程式,該音訊比對程式可供該處理器執行:根據該比對設定資料找出相對應之比對資料,再根據該音訊種類比對資料對該第一音訊資料進行分群,當分群結果有部分音訊無法被分群時,則將該部分音訊作為一分群剩餘音訊資料,再根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對,當二者匹配時則取出該第一成因資料,並控制該顯示器顯示該第一成因資料;其中,該處理器先將該第一音訊資料由時域轉換為頻域得到一音訊頻域資料,再將該音訊頻域資料中頻率相近者進行分群得到複數音訊頻域分群資料,接著取各音訊頻域分群資料與該音訊種類比對資料以K最鄰近演算法進行比對而得到該分群結果;其中,該第一聲音接收單元設於X軸,於Y軸及Z軸更設一第二聲音接收單元及一第三聲音接收單元,該第二聲音接收單元及該第三聲音接收單元分別可供收音,而得到一第二音訊資料及一第三音訊資料;該處理器根據該分群剩餘音訊資料及該第一至第三音訊資料運算出一分群剩餘音訊空間方向資料。
- 如請求項1所述異音偵測及判斷成因之檢測系統,其中該資料庫中具有一機械零件立體分布資料;該處理器根據該分群剩餘音訊空間方向資料於該機械零件立體分布資料中找出相對應之零件資料,當該零件資料與該第一成因資料匹配時,則控制該顯示器顯示該第一成因資料。
- 如請求項2所述異音偵測及判斷成因之檢測系統,其中各比對資料內分別包括一對應該第一異音種類比對資料之頻率比對資料;該處理器分析該第一音訊資料中該分群剩餘音訊資料的出現頻率而得到一頻率資料;當該分群剩餘音訊資料與該第一異音種類比對資料匹配成功,且該頻率資料與該頻率比對資料匹配成功時才取出該第一成因資料。
- 如請求項3所述異音偵測及判斷成因之檢測系統,其中更設一振動偵測器,該振動偵測器資訊連接該處理器且可供測得一振動資料;各比對資料內分別包括一對應該第一成因資料之振動頻率比對資料;當該分群剩餘音訊資料與該第一異音種類比對資料匹配成功、該頻率資料與該頻率比對資料匹配成功、且該振動資料與該振動頻率比對資料匹配成功時才取出該第一成因資料。
- 如請求項4所述異音偵測及判斷成因之檢測系統,其中更設一資訊連接該處理器之紀錄資料庫;當該處理器取出該第一成因資料後,將該第一至第三音訊資料、該分群剩餘音訊空間方向資料、該第一成因資料及日期製作成一比對紀錄資料,並儲存至該紀錄資料庫內。
- 如請求項5所述異音偵測及判斷成因之檢測系統,其中當該處理器無法取出該第一成因資料時,則將該第一至第三音訊資料及日期製作成一待鑑定 紀錄資料,並儲存至該紀錄資料庫內。
- 如請求項6所述異音偵測及判斷成因之檢測系統,其中當二比對紀錄資料之該第一成因資料相同,且二比對紀錄資料之日期相隔於一預設期間內時,則製作出一提醒資料並控制該顯示器顯示該提醒資料。
- 如請求項1所述異音偵測及判斷成因之檢測系統,其中各比對資料內包括一第二異音種類比對資料、及對應該第二異音種類比對資料之第二成因資料;該處理器根據該分群剩餘音訊資料與該第一異音種類比對資料進行比對得到一第一匹配程度百分值,該處理器根據該分群剩餘音訊資料與該第二異音種類比對資料進行比對得到一第二匹配程度百分值,該處理器根據該第一及第二匹配程度百分值,及該第一第二成因資料,製作出一成因百分比資料,並控制該顯示器顯示該成因百分比資料。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127131A TWI751642B (zh) | 2020-08-10 | 2020-08-10 | 異音偵測及判斷成因之檢測系統 |
CN202110626431.9A CN113380273A (zh) | 2020-08-10 | 2021-06-04 | 异常声音检测及判断形成原因的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109127131A TWI751642B (zh) | 2020-08-10 | 2020-08-10 | 異音偵測及判斷成因之檢測系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI751642B true TWI751642B (zh) | 2022-01-01 |
TW202206790A TW202206790A (zh) | 2022-02-16 |
Family
ID=77575895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109127131A TWI751642B (zh) | 2020-08-10 | 2020-08-10 | 異音偵測及判斷成因之檢測系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113380273A (zh) |
TW (1) | TWI751642B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380273A (zh) * | 2020-08-10 | 2021-09-10 | 腾擎科研创设股份有限公司 | 异常声音检测及判断形成原因的系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM581694U (zh) * | 2017-11-17 | 2019-08-01 | 英商斯凱旺蒂爾國際(英國)有限責任公司 | 用於風洞的交互式模組化系統 |
TWM590943U (zh) * | 2019-09-24 | 2020-02-21 | 旺捷智能感知股份有限公司 | 具有機台病灶分析和異音辨識功能之穿戴式電子裝置 |
TWM594686U (zh) * | 2019-01-04 | 2020-05-01 | 益力半導體股份有限公司 | 變容式輪胎厚度感測器 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101424193B1 (ko) * | 2007-12-10 | 2014-07-28 | 광주과학기술원 | 타 언어권 화자음성에 대한 음성인식 시스템의 성능 향상을위한 비직접적 데이터 기반 발음변이 모델링 시스템 및방법 |
JP5930789B2 (ja) * | 2012-03-23 | 2016-06-08 | 三菱電機株式会社 | 異常音診断装置 |
TWI541669B (zh) * | 2015-01-05 | 2016-07-11 | Rangecloud Information Technology Co Ltd | Detection systems and methods for static detection applications, and computer program products |
JP6784255B2 (ja) * | 2015-03-25 | 2020-11-11 | 日本電気株式会社 | 音声処理装置、音声処理システム、音声処理方法、およびプログラム |
CN104992714A (zh) * | 2015-05-22 | 2015-10-21 | 株洲联诚集团有限责任公司 | 一种电机异音的检测方法 |
CN106323452B (zh) * | 2015-07-06 | 2019-03-29 | 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 |
US10601851B2 (en) * | 2018-02-12 | 2020-03-24 | Cisco Technology, Inc. | Detecting cyber-attacks with sonification |
JP2019164107A (ja) * | 2018-03-20 | 2019-09-26 | 本田技研工業株式会社 | 異音判定装置および判定方法 |
CN111048114A (zh) * | 2019-12-30 | 2020-04-21 | 深圳江行联加智能科技有限公司 | 一种设备异常声音检测的设备及方法 |
TWI751642B (zh) * | 2020-08-10 | 2022-01-01 | 騰擎科研創設股份有限公司 | 異音偵測及判斷成因之檢測系統 |
-
2020
- 2020-08-10 TW TW109127131A patent/TWI751642B/zh active
-
2021
- 2021-06-04 CN CN202110626431.9A patent/CN113380273A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM581694U (zh) * | 2017-11-17 | 2019-08-01 | 英商斯凱旺蒂爾國際(英國)有限責任公司 | 用於風洞的交互式模組化系統 |
TWM594686U (zh) * | 2019-01-04 | 2020-05-01 | 益力半導體股份有限公司 | 變容式輪胎厚度感測器 |
TWM590943U (zh) * | 2019-09-24 | 2020-02-21 | 旺捷智能感知股份有限公司 | 具有機台病灶分析和異音辨識功能之穿戴式電子裝置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380273A (zh) * | 2020-08-10 | 2021-09-10 | 腾擎科研创设股份有限公司 | 异常声音检测及判断形成原因的系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202206790A (zh) | 2022-02-16 |
CN113380273A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300471B (zh) | 融合声音采集识别的场区智能视频监控方法、装置及系统 | |
CN103558029B (zh) | 一种发动机异响故障在线诊断系统和诊断方法 | |
CN109616140B (zh) | 一种异常声音分析系统 | |
US10726863B2 (en) | System and method for locating mobile noise source | |
CN106251572A (zh) | 基于振动检测的智能家居监控方法及系统 | |
CN109815904B (zh) | 一种基于卷积神经网络的火灾识别方法 | |
CN107393555A (zh) | 一种低信噪比异常声音信号的检测系统及检测方法 | |
Marchegiani et al. | Leveraging the urban soundscape: Auditory perception for smart vehicles | |
JP2011517799A (ja) | 信号認識を具備した不法侵入検知システム | |
TWI751642B (zh) | 異音偵測及判斷成因之檢測系統 | |
Li et al. | Seismic data classification using machine learning | |
Siegel et al. | Engine misfire detection with pervasive mobile audio | |
CN111598039A (zh) | 用于石油管道监控的异常声音监测方法及监测装置 | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
Arslan et al. | Performance of deep neural networks in audio surveillance | |
US8050413B2 (en) | System and method for conditioning a signal received at a MEMS based acquisition device | |
Jiang et al. | Extraction of structural modal information using acoustic sensor measurements and machine learning | |
Miao et al. | Sound-based improved densenet conveyor belt longitudinal tear detection | |
TWI702595B (zh) | 移動噪音源的檢測系統與方法 | |
Ooi et al. | Non-intrusive operation status tracking for legacy machines via sound recognition | |
CN110346032A (zh) | 一种基于恒虚警与过零率相结合的φ-otdr振动信号端点检测方法 | |
Ntalampiras | Audio surveillance | |
CN112071009B (zh) | 光纤管道预警系统及其方法 | |
JP7000963B2 (ja) | ソーナー装置、音響信号判別法、及びプログラム | |
CN106778515A (zh) | 一种法兰轴向漏磁阵列信号自动识别方法 |