基于深度学习U-Net架构的设备音频异常检测方法

分享到

【作者】宋媛媛，李宏滨，汪慧娟
【刊名】信息技术与信息化
【作者单位】太原师范学院
【年份】2025
【卷号】第7期
【页码】37-41
【ISSN】1672-9528
【关键词】深度学习自编码器 U-Net 异常检测
【摘要】随着智能制造和工业互联网的快速发展，设备状态监测和故障检测成为确保设备安全和提升生产效率的关键技术方法。传统的设备异常检测方法大多依赖于人工经验或是基于经典机器学习算法，但这些方法在面对复杂且高维的设备音频数据时往往存在着局限性。针对以上问题，文章提出了一种基于自编码器与U-Net架构结合的深度学习模型，用于设备音频信号的异常检测。具体来说该方法通过梅尔频谱图提取音频信号的时频域特征并结合自编码器和U-Net架构对异常进行检测。在训练过程中该模型通过学习正常信号的特征并计算重建误差以此得到阈值，...
【文献类型】期刊