擅长:python、mysql、java
<p>假设您获得的音频来自一个可以听到单个刀片经过的位置,则有两个子问题:</p>
<p>1)估计每个叶片位置,并提取每个叶片的音频</p>
<p>2)比较每个叶片的信号。确定其中一个是否不同到足以被视为异常</p>
<p>可以使用直接检测旋转的传感器来估计铲刀位置。例如基于发电机的磁场。理想情况下,您将有这种已知良好的传感器数据,至少在开发系统时是这样。可能只使用音频,使用某种周期性检测来估计。自相关是一种常用的技术</p>
<p>要检测刀片之间的差异,可以尝试在标准特征描述上使用标准距离函数,如MFCC上的欧几里德函数。您仍然需要一些已知错误示例和已知良好/可接受示例的示例,以评估您的解决方案。
然而,这可能不够好。然后尝试计算一些更好的特征作为距离计算的基础。也许是用自动编码器。你也可以尝试一些<a href="https://en.wikipedia.org/wiki/Similarity_learning" rel="nofollow noreferrer">Similarity Learning</a>。
如果您有大量的好数据和错误数据,您可以使用三重丢失设置来学习相似性度量。将两个好刀片的数据作为应该相似的对象输入,将已知坏刀片的数据作为应该不同的对象输入</p>