CN110297042A - 一种基于声音识别的裁床断刀检测方法、装置及设备 - Google Patents

一种基于声音识别的裁床断刀检测方法、装置及设备 Download PDF

Info

Publication number
CN110297042A
CN110297042A CN201910576198.0A CN201910576198A CN110297042A CN 110297042 A CN110297042 A CN 110297042A CN 201910576198 A CN201910576198 A CN 201910576198A CN 110297042 A CN110297042 A CN 110297042A
Authority
CN
China
Prior art keywords
knife
cutting
sound
cut
signal
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
Application number
CN201910576198.0A
Other languages
English (en)
Inventor
刘丽
武付闯
姚与能
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bullmer Electromechanical Technology Co Ltd
Original Assignee
Bullmer Electromechanical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bullmer Electromechanical Technology Co Ltd filed Critical Bullmer Electromechanical Technology Co Ltd
Priority to CN201910576198.0A priority Critical patent/CN110297042A/zh
Publication of CN110297042A publication Critical patent/CN110297042A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01N29/14—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 using acoustic emission techniques
    • 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
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • 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
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0234—Metals, e.g. steel

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于声音识别的裁床断刀检测方法、装置及设备，该方法包括：裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；对原始声音信号进行预处理，获取对应的声音信号；利用模板匹配算法对声音信号进行匹配，获取对应的匹配结果；根据匹配结果，判断裁刀的刀片是否折断；若是，则控制裁床停止工作；本发明利用拾音器采集的裁刀运行的原始声音信号，通过声音识别非接触式检测裁床的裁刀是否发生折断，无需操作人员实时观察裁刀的运行情况；并且在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免了损失，提高了生产效率。

Description

一种基于声音识别的裁床断刀检测方法、装置及设备
技术领域
本发明涉及自动裁床技术领域，特别涉及一种基于声音识别的裁床断刀检测方法、装置及设备。
背景技术
自动裁床，是纺织服装、皮革行业、汽车座椅和家具等行业所使用的自动裁剪设备，配备精确的智能刀切割，路径优化切割，根据客户需求裁剪出特定样式的裁片。
自动裁床的核心部件就是用于切割布料的刀片，整个裁床都是在为这个刀片服务，一旦刀片出现了问题，将会导致整个裁床陷入瘫痪，无法工作，目前工厂使用过程中一般2-3天更换一次刀片，根据客户的不同使用量来定，但是不可避免出现忘记换刀或者由于磨刀参数设置问题以及裁剪过程的裁剪角度问题对刀片的使用寿命产生影响，进而导致裁床使用过程中不可避免的断刀现象发生，一旦发现不及时，不仅会损坏布料还有可能损坏磨刀组件以及一些不可预料的情况发生，不仅造成了一定的经济损失，还会严重影响客户的生产效率。
针对裁床断刀现象，目前普遍采用的是客户根据自动裁床实际使用情况，自行2-3天更换一次刀片，或者根据拟合出磨刀因子对刀片损耗进行预估，达到换刀参数后软件提示工作人员及时更换；裁刀高频的振动对现有的视频监控设备和红外传感器设备有较高的分辨率要求，另外布料的裁剪厚度会遮挡住裁刀，使得裁剪过程中裁刀工作状况无法被监测到。
因此，如何能够对裁床断刀进行自动检测，在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免损失，提高生产效率，是现今急需解决的问题。
发明内容
本发明的目的是提供一种基于声音识别的裁床断刀检测方法、装置及设备，以在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免损失，提高生产效率。
为解决上述技术问题，本发明提供一种基于声音识别的裁床断刀检测方法，包括：
裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；
对所述原始声音信号进行预处理，获取对应的声音信号；
利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果；
根据所述匹配结果，判断所述裁刀的刀片是否折断；
若是，则控制所述裁床停止工作。
可选的，所述对所述原始声音信号进行预处理，获取对应的声音信号，包括：
对所述原始声音信号依次进行放大、滤波和A/D转换，获取所述声音信号。
可选的，所述利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果，包括：
提取所述声音信号中的声音特征；其中，所述声音特征包括：短时平均过零率、短时平均能量和频域MFCC特征中至少一项；
将所述声音特征与模板库中的每个预设模板中对应的标准声音特征进行对比，获取对应的对比结果；
根据所述对比结果，获取与所述声音特征最相似的预设模板对应的匹配结果。
可选的，所述预设模板包括：裁刀空裁声音模版、裁刀磨刀声音模版、裁刀裁布声音模版和裁刀断刀声音模版。
可选的，所述声音特征包括所述短时平均过零率、所述短时平均能量和所述频域MFCC特征时，所述提取所述声音信号中的声音特征，包括：
对所述声音信号依次进行预加重处理、分帧处理和加窗处理，并计算加窗处理后的声音信号对应的短时平均过零率、短时平均能量和频域MFCC特征。
可选的，所述拾音器设置在所述裁床的刀盘上。
可选的，所述控制所述裁床停止工作之后，还包括：
获取所述声音信号的实际结果，将所述声音信号、所述匹配结果和所述声音信号发送到云服务器。
可选的，该方法还包括：
根据所述云服务器发送的匹配参数，对所述模板匹配算法的匹配规则进行调整。
本发明还提供了一种基于声音识别的裁床断刀检测装置，包括：
第一获取模块，用于裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；
第二获取模块，用于对所述原始声音信号进行预处理，获取对应的声音信号；
匹配模块，用于利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果；
判断模块，用于根据所述匹配结果，判断所述裁刀的刀片是否折断；
控制模块，用于若折断，则控制所述裁床停止工作。
本发明还提供了一种基于声音识别的裁床断刀检测设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至8任一项所述的基于声音识别的裁床断刀检测方法的步骤。
本发明所提供的一种基于声音识别的裁床断刀检测方法，包括：裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；对原始声音信号进行预处理，获取对应的声音信号；利用模板匹配算法对声音信号进行匹配，获取对应的匹配结果；根据匹配结果，判断裁刀的刀片是否折断；若是，则控制裁床停止工作；
可见，本发明利用拾音器采集的裁刀运行的原始声音信号，通过声音识别非接触式检测裁床的裁刀是否发生折断，无需操作人员实时观察裁刀的运行情况；并且在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免了损失，提高了生产效率。此外，本发明还提供了一种基于声音识别的裁床断刀检测装置及设备，同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种基于声音识别的裁床断刀检测方法的流程图；
图2为本发明实施例所提供的一种拾音器设置位置的示意图；
图3为本发明实施例所提供的一种基于声音识别的裁床断刀检测设备的结构示意图；
图4为本发明实施例所提供的另一种基于声音识别的裁床断刀检测方法的流程示意图；
图5为本发明实施例所提供的一种基于声音识别的裁床断刀检测方法中声音信号的波形图；
图6为图5所示声音信号对应的短时平均过零率的波形图；
图7为图5所示声音信号对应的短时平均能量的波形图；
图8为本发明实施例所提供的一种基于声音识别的裁床断刀检测装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明实施例所提供的一种基于声音识别的裁床断刀检测方法的流程图。该方法可以包括：
步骤101：裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号。
可以理解的是，本步骤的目的可以为在裁床(自动裁床)的工作过程中，利用拾音器(麦克风)采集该裁床的裁刀运行时的声音(原始声音信号)。具体的，对于拾音器的具体类型和设置位置，可以由设计人员根据实用场景和用户需求自行设置，如图2所示，拾音器1可以设置在裁床的刀盘上。只要拾音器可以采集到裁床的裁刀在运行时的声音，本实施例对此不做任何限制。
对应的，本步骤之前还可以包括判断裁床是否工作的步骤，在确定裁床工作后，再通过拾音器将裁床的裁刀运行的声音拾取。如图3所示，当自动裁床开始工作后由本实施例所提供的方法对应的设备(裁床断刀检测设备)中的工控机将自动裁床的运行信息传输给DSP(数字信号处理)处理器，处理器可以根据运行信息判断自动裁床是否工作，以便于通过拾音器获取裁刀裁割布料的声音。
步骤102：对原始声音信号进行预处理，获取对应的声音信号。
其中，本步骤的目的可以为通过对原始声音信号进行预处理，使裁床断刀检测设备中的处理器可以获取能够进行处理的声音信号。如设备中的处理器为图3所示的DSP处理器时，本步骤中的预处理可以包括A/D转换处理，将拾音器采集的模拟信号(原始声音信号)转换为数字信号(声音信号)。
具体的，对于本步骤中的预处理的具体方式和过程，可以由设计人员自行设置，如图3所示，可以利用包含放大器、抗混叠滤波器和A/D转换器的预处理电路，对拾音器采集的原始声音信号依次进行放大、滤波和A/D转换的预处理，以使DSP处理器可以接收并使用预处理后的声音信号。只要保证裁床断刀检测设备中的处理器可以接收并使用预处理后的声音信号进行声音识别，本实施例对此不做任何限制。
步骤103：利用模板匹配算法对声音信号进行匹配，获取对应的匹配结果。
其中，本步骤的目的可以为处理器利用模板匹配算法将声音信号与预先设置的模板库中的预设模板进行对别，确定声音信号最相似的预设模板对应的匹配结果，实现对声音信号的声音识别。
对应的，对于本步骤中处理器利用模板匹配算法对声音信号进行匹配，获取对应的匹配结果的具体方式，可以由设计人员自行设置，如可以直接对完整的声音信号进行匹配；也可以对声音信号中的声音特征进行匹配(特征匹配)，以利用声音信号中的声音特征与预设模板中对应的标准声音特征的对比，确定声音特征最相似的预设模板对应的匹配结果，即声音信号最相似的预设模板对应的匹配结果。也就是说，本步骤可以包括：提取声音信号中的声音特征；将声音特征与模板库中的每个预设模板中对应的标准声音特征进行对比，获取对应的对比结果；根据对比结果，获取与声音特征最相似的预设模板对应的匹配结果。只要处理器利用模板匹配算法获取声音信号对应的匹配结果，实现声音信号的声音识别，本实施例对此不做任何限制。
具体的，对于从声音信号中提取的声音特征具体类型和数量设置，可以由设计人员自行设置，如声音特征可以包括如图6所示的短时平均过零率、如图7所示的短时平均能量及频域MFCC特征中至少一项，也可以包括其他声音特征，只要可以利用声音信号中提取的声音特征，将声音信号与模板库中的预设模板进行匹配，本实施例对此不做任何限制。同样的，对于模板库中的预设模板的具体类型和数量设置，可以由设计人员自行设置，如模板库中可以设置裁刀空裁声音模版、裁刀磨刀声音模版、裁刀裁布声音模版和裁刀断刀声音模版四种预设模板。本实施例对此同样不做任何限制。
需要说明的是，自动裁床正常工作情况下，自身声音的主要来源为真空覆膜漏气，电机转动，皮带高速运动摩擦，裁刀振动，裁刀磨刀及裁刀切割布料，外界声音包括其他工业设备运行的声音，人声等，这些声音相对于裁刀断刀的声音，可通称为背景噪音，特性表现为能量散布均匀，短时能量较为平稳，而裁刀一旦运行起来，由于其高速上下振动其声音频率在高频段，如图5所示；断刀的声音表现为冲激信号，短时能量集中，断刀后声音信号发生明显的突变且十分突出。因此，为了降低声音信号中的噪音信号对声音信号的匹配(声音识别)的干扰，本步骤还可以处理器的对声音信号中的噪音信号进行过滤步骤，以滤掉一部分无用噪音信号，提取出声音信号中有用的高频声音信号进行匹配。如图4所示，DSP处理器可以先对接收的预处理后的数字量形式的声音信号(数字声音信号)进行预加重、分帧和加窗等的前端处理，再提取处理完成后的声音信号中的声音特征(特征参数)进行特征匹配。例如，提取的声音信号中的声音特征包括短时平均过零率、短时平均能量和频域MFCC特征时，上述提取声音信号中的声音特征，可以包括：对声音信号依次进行预加重处理、分帧处理和加窗处理，并计算加窗处理后的声音信号对应的短时平均过零率、短时平均能量和频域MFCC特征。
具体的，如图3和图4所示，根据香农定理声音信号的采样频率至少为固有频率的2倍，裁刀运行高频段范围在5kHz～20kHz，因此设置采样频率为48kHz。拾音器采集的原始声音信号经放大电路、抗混叠滤波器以及A/D转换器后，从模拟量转化为数字量形式的声音信号，之后DSP处理器可以通过预加重处理，进一步声音信号的高频特征，预加重处理可以采用如下公式进行：
H(z)＝1-αz-1；式中，H(z)可以为预加重处理后的声音信号；α可以为预设的预加重系数，如采用接近1的数值；z可以为需要进行预加重处理的声音信号。
由于裁刀断刀的声音信号本身为非平稳时域信号但也具有短时平稳特性，因此DSP处理器可以预加重处理后的声音信号进行分帧，如可以分帧为帧长取10～30ms声音帧。为减少分帧后引发频谱泄露现象，DSP处理器可以对分帧后的声音信号采取加窗处理。如时域窗长为N的汉宁窗函数(加窗函数)可以如下：
ω(k)＝0.5(1-cos(2π(k/(N+1))))；式中，k＝1,2,…,N。
加窗处理后的声音信号可以通过下述算法得到对应的短时平均过零率、短时平均能量、频域MFCC特征这三种声音特征：
设声音信号的时域信号为x(n)、加窗函数w(n)分帧处理后得到的第i帧声音信号为yi(n)，则yi(n)满足：
yi(n)＝w(n)*x((i-1)*inc+n)，1≤n≤L，1≤i≤fn；
上式中，yi(n)可以为一帧的数值，n＝1,2,…,L，i＝1,2,…,fn；L可以为帧长，fn可以分帧后的总帧数，inc可以为帧移长度；w(n)可以为加窗函数，可以采用矩形窗函数或汉宁窗函数。
短时平均能量的计算公式可以如下：
短时平均过零率的计算公式可以如下：
1≤i≤fn；式中，sgn[]可以为符号函数，
MFCC(Mel频率倒谱系数)是在Mel标度频率域提取出来的倒谱参数，Mel标度描述了人耳频率的非线性特性，它与频率的关系可用下式近似表示：
式中，f可以为频率，单位为Hz。
通过对时域信号x(n)进行快速傅里叶变换可以获取其频谱X(k)，将频谱X(k)通过Mel滤波器得到Mel频率，并通过对数处理得到对数频谱S(m)：
上式中，f(m)可以为中心频率，Mel滤波器在跨度上与Mel标度相等，即Mel(f(m+1))-Mel(f(m))＝Mel(f(m)-f(m-1))；
然后可以采用如下离散公式，将对数频谱S(m)离散化得到频域MFCC特征：
上式中，M可以为取样点总数，如分帧后的总帧数。
也就是说，将拾音器采集的原始声音信号经过预处理-预加重-分帧-加窗一系列操作后，可以获取其短时平均过零率、短时平均能量、MFCC三种声音特征，利用这些声音特征与模版库中每个预设模板中对应的声音特征(标准声音特征)的比对，可以得到最相似的预设模板对应的匹配结果。
对应的，本实施例所提供的方法还可以包括模版库的创建过程，如可以利用拾音器采集的裁刀在空裁、磨刀、裁布和断刀四种运行状态时的原始声音信号，通过上述方式获取每种原始声音信号对应的短时平均过零率、短时平均能量和频域MFCC特征，通过EM(期望最大化)算法训练对应的四种模型，将训练好的四种模型作为预设模板(模型裁刀空裁声音模版、裁刀磨刀声音模版、裁刀裁布声音模版和裁刀断刀声音模版这四种预设模板)存入模版库。
具体的，处理器利用声音信号对应的声音特征，获取声音特征最相似的预设模板对应的匹配结果的具体方式，可以由设计人员自行设置，如图4所示，DSP处理器通过云模型推理器的设置，经云模型推理器对声音信号对应的声音特征依据推理规则给出判断的匹配结果。云模型推理器的推理规则具体实现可以如下：
在将声音信号中声音特征与模板库中每个预设模板的标准信号进行对比时，建立云模型推理器的推理规则。规则中显示输入模糊范围值，利用云模型可将模糊值表达的定性知识转化为对象的定性知识，结合云模型推理过程，取P＝5(P为规则数)，定义输入云模型集合、输出云模型集合。设短时平均过零率、短时平均能量和频域MFCC特征量化后的输入云模型集合C论域为S＝[0，1]，云模型推理器参数设定如下：
C1＝“基本吻合”＝(0.1，0.1，0.01)；
C2＝“差的较少”＝(0.3，0.2，0.01)；
C3＝“差的少”＝(0.5，0.3，0.01)；
C4＝“差的较多”＝(0.8，0.4，0.01)；
C5＝“差巨大”＝(1，0.5，0.01)。
输出云模型集合O论域为W＝[0，1]，云模型控制器参数设定如下：
O1＝“极度相似”＝(0.1，0.1，0.01)；
O2＝“基本相似”＝(0.3，0.2，0.01)；
O3＝“可能相似”＝(0.5，0.3，0.01)；
O4＝“不相似”＝(0.8，0.5，0.01)；
O5＝“极度不相似”＝(1，0.4，0.01)。
定义一维云模型推理规则，表示如下：
If C＝Ci，then O＝Oi。
根据声音信号中的声音特征分析建立的五规则推理规则库，云模型推理器根据输入的输入云模型集合C向云模型控制器输出对比结果(C1、C2、C3、C4或C5)，云模型控制器根据对比结果声音信号与每个预设模板的论域结果(O1、O2、O3、O4或O5)，将集合O的论域结果转化为概率值进行比对，相似概率值最大的预设模板对应的信息作为输出的匹配结果(如裁刀的运行状态)，即与声音特征最相似的预设模板对应的匹配结果。
步骤104：根据匹配结果，判断裁刀的刀片是否折断；若是，则进入步骤105。
可以理解的是，本步骤的目的可以为裁床断刀检测设备根据匹配结果，确定裁刀的刀片是否发生折断，如图3所示，设备中的工控机可以根据DSP处理器发送的匹配结果，确定裁刀的刀片是否发生折断；若发生折断，则进入步骤105。
具体的，对于本步骤中确定裁刀的刀片未发生折断的情况，可以由设计人员自行设置，如可以直接结束本流程或返回步骤101继续进行检测；还可以确定是否发送其它异常情况，并在其它异常情况发生的情况下，执行相应的操作，本实施例对此不做任何限制。
步骤105：控制裁床停止工作。
可以理解的是，本步骤的目的可以为裁床断刀检测设备在检测到裁床裁刀的刀片发生折断时，通过控制裁床停止工作，提醒工作人员及时更换裁刀，避免损失，提高生产效率。
对应的，本步骤还可以包括裁床断刀检测设备通过显示器或报警器进行显示或声音提示的步骤，以告知工作人员刀片折断的情况，提醒工作人员及时更换裁刀。
需要说明的是，本实施例中所使用的模板匹配算法，在前期的模版训练虽然已经在可行的误差范围内，但由于工厂工作环境复杂，有的工厂环境噪音很大，声音识别不可避免的会出现一些无法预料的异常，本实施例所提供的方法中声音识别的稳定性和准确性，本步骤之后还可以包括获取声音信号的实际结果，将声音信号、匹配结果和声音信号发送到云服务器的步骤，以利用云服务存储确定裁刀的刀片折断时所使用的声音信号和匹配结果，以及工作人员确定的实际结果，以保证后续可以对模板匹配算法的匹配规则进行修正。即当裁床出现异常停止工作时，工作人员可以人为解除异常，确认该异常是否由断刀引起。如图3和图4所示，DSP处理器可以将接收的预处理后的声音信号和对应的匹配结果发送到工控机，由工控机将声音信号、匹配结果和用户输入的实际结果发送到云服务器(数据中心)备份。
对应的，如图4所示，云服务器可以将存储的声音信号与对应的匹配结果和实际结果发送到逆向云发生器，采用逆向云发生器算法，提取给定样本集中每组声音信息的云数字特征参数(匹配参数)，不断对DSP处理器中的云模型推理器推理规则进行修正。即本实施例所提供的方法还可以包括裁床断刀检测设备，根据云服务器发送的匹配参数，对模板匹配算法的匹配规则进行调整的步骤。
本实施例中，本发明实施例利用拾音器采集的裁刀运行的原始声音信号，通过声音识别非接触式检测裁床的裁刀是否发生折断，无需操作人员实时观察裁刀的运行情况；并且在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免了损失，提高了生产效率。
请参考图8，图8为本发明实施例所提供的一种基于声音识别的裁床断刀检测装置的结构框图。该装置可以包括：
第一获取模块10，用于裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；
第二获取模块20，用于对原始声音信号进行预处理，获取对应的声音信号；
匹配模块30，用于利用模板匹配算法对声音信号进行匹配，获取对应的匹配结果；
判断模块40，用于根据匹配结果，判断裁刀的刀片是否折断；
控制模块50，用于若折断，则控制裁床停止工作。
本实施例中，本发明实施例利用拾音器采集的裁刀运行的原始声音信号，通过声音识别非接触式检测裁床的裁刀是否发生折断，无需操作人员实时观察裁刀的运行情况；并且在出现裁床断刀现象时能停止裁床工作，提醒工作人员及时更换裁刀，避免了损失，提高了生产效率。
本发明实施例还提供了一种基于声音识别的裁床断刀检测设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上述实施例所提供的基于声音识别的裁床断刀检测方法的步骤。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置及设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种基于声音识别的裁床断刀检测方法、装置及设备进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种基于声音识别的裁床断刀检测方法，其特征在于，包括：
裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；
对所述原始声音信号进行预处理，获取对应的声音信号；
利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果；
根据所述匹配结果，判断所述裁刀的刀片是否折断；
若是，则控制所述裁床停止工作。
2.根据权利要求1所述的基于声音识别的裁床断刀检测方法，其特征在于，所述对所述原始声音信号进行预处理，获取对应的声音信号，包括：
对所述原始声音信号依次进行放大、滤波和A/D转换，获取所述声音信号。
3.根据权利要求1所述的基于声音识别的裁床断刀检测方法，其特征在于，所述利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果，包括：
提取所述声音信号中的声音特征；其中，所述声音特征包括：短时平均过零率、短时平均能量和频域MFCC特征中至少一项；
将所述声音特征与模板库中的每个预设模板中对应的标准声音特征进行对比，获取对应的对比结果；
根据所述对比结果，获取与所述声音特征最相似的预设模板对应的匹配结果。
4.根据权利要求3所述的基于声音识别的裁床断刀检测方法，其特征在于，所述预设模板包括：裁刀空裁声音模版、裁刀磨刀声音模版、裁刀裁布声音模版和裁刀断刀声音模版。
5.根据权利要求3所述的基于声音识别的裁床断刀检测方法，其特征在于，所述声音特征包括所述短时平均过零率、所述短时平均能量和所述频域MFCC特征时，所述提取所述声音信号中的声音特征，包括：
对所述声音信号依次进行预加重处理、分帧处理和加窗处理，并计算加窗处理后的声音信号对应的短时平均过零率、短时平均能量和频域MFCC特征。
6.根据权利要求1所述的基于声音识别的裁床断刀检测方法，其特征在于，所述拾音器设置在所述裁床的刀盘上。
7.根据权利要求1至6任一项所述的基于声音识别的裁床断刀检测方法，其特征在于，所述控制所述裁床停止工作之后，还包括：
获取所述声音信号的实际结果，将所述声音信号、所述匹配结果和所述声音信号发送到云服务器。
8.根据权利要求7所述的基于声音识别的裁床断刀检测方法，其特征在于，还包括：
根据所述云服务器发送的匹配参数，对所述模板匹配算法的匹配规则进行调整。
9.一种基于声音识别的裁床断刀检测装置，其特征在于，包括：
第一获取模块，用于裁床开始工作后，获取拾音器采集的裁刀运行的原始声音信号；
第二获取模块，用于对所述原始声音信号进行预处理，获取对应的声音信号；
匹配模块，用于利用模板匹配算法对所述声音信号进行匹配，获取对应的匹配结果；
判断模块，用于根据所述匹配结果，判断所述裁刀的刀片是否折断；
控制模块，用于若折断，则控制所述裁床停止工作。
10.一种基于声音识别的裁床断刀检测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至8任一项所述的基于声音识别的裁床断刀检测方法的步骤。
CN201910576198.0A 2019-06-28 2019-06-28 一种基于声音识别的裁床断刀检测方法、装置及设备 Pending CN110297042A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910576198.0A CN110297042A (zh) 2019-06-28 2019-06-28 一种基于声音识别的裁床断刀检测方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910576198.0A CN110297042A (zh) 2019-06-28 2019-06-28 一种基于声音识别的裁床断刀检测方法、装置及设备

Publications (1)

Publication Number Publication Date
CN110297042A true CN110297042A (zh) 2019-10-01

Family

ID=68029296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910576198.0A Pending CN110297042A (zh) 2019-06-28 2019-06-28 一种基于声音识别的裁床断刀检测方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110297042A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112153330A (zh) * 2020-08-21 2020-12-29 宁波九荣环保科技有限公司 一种工业互联网实时监控***
CN113160836A (zh) * 2021-03-29 2021-07-23 安徽理工大学 矿用排水泵噪声多时域特征联合分析方法
CN113478007A (zh) * 2021-08-09 2021-10-08 安徽奔腾五金制造有限公司 一种空调加工用铝卷开平截断机构
CN117577137A (zh) * 2024-01-15 2024-02-20 宁德时代新能源科技股份有限公司 切刀健康评估方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE58907252D1 (de) * 1988-09-02 1994-04-21 Fraunhofer Ges Forschung Verfahren und vorrichtung zur überwachung der spanabhebenden bearbeitung eines werkstückes.
JP2006130604A (ja) * 2004-11-05 2006-05-25 Denso Corp 切削装置の刃具摩耗の検出方法、検出装置及び切削装置
CN2854594Y (zh) * 2005-12-31 2007-01-03 济南大学 基于语音识别技术的刀具工况监测装置
CN104215690A (zh) * 2014-09-11 2014-12-17 拓卡奔马机电科技有限公司 一种用于自动裁床的断刀检测装置
TW201807413A (zh) * 2016-08-18 2018-03-01 王智中 刀具狀態檢測系統及其方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE58907252D1 (de) * 1988-09-02 1994-04-21 Fraunhofer Ges Forschung Verfahren und vorrichtung zur überwachung der spanabhebenden bearbeitung eines werkstückes.
JP2006130604A (ja) * 2004-11-05 2006-05-25 Denso Corp 切削装置の刃具摩耗の検出方法、検出装置及び切削装置
CN2854594Y (zh) * 2005-12-31 2007-01-03 济南大学 基于语音识别技术的刀具工况监测装置
CN104215690A (zh) * 2014-09-11 2014-12-17 拓卡奔马机电科技有限公司 一种用于自动裁床的断刀检测装置
TW201807413A (zh) * 2016-08-18 2018-03-01 王智中 刀具狀態檢測系統及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘琳 史江峰: "《专利文献研究 2017》", 30 September 2018, 知识产权出版社 *
梁俊 等: "基于DSP的语音识别计算器设计", 《电子设计工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112153330A (zh) * 2020-08-21 2020-12-29 宁波九荣环保科技有限公司 一种工业互联网实时监控***
CN113160836A (zh) * 2021-03-29 2021-07-23 安徽理工大学 矿用排水泵噪声多时域特征联合分析方法
CN113478007A (zh) * 2021-08-09 2021-10-08 安徽奔腾五金制造有限公司 一种空调加工用铝卷开平截断机构
CN117577137A (zh) * 2024-01-15 2024-02-20 宁德时代新能源科技股份有限公司 切刀健康评估方法、装置、设备及存储介质
CN117577137B (zh) * 2024-01-15 2024-05-28 宁德时代新能源科技股份有限公司 切刀健康评估方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110297042A (zh) 一种基于声音识别的裁床断刀检测方法、装置及设备
EP3998557B1 (en) Audio signal processing method and related apparatus
Moattar et al. A simple but efficient real-time voice activity detection algorithm
CN110232933B (zh) 音频检测方法、装置、存储介质及电子设备
CN109545188A (zh) 一种实时语音端点检测方法及装置
US20080147411A1 (en) Adaptation of a speech processing system from external input that is not directly related to sounds in an operational acoustic environment
CN101599269A (zh) 语音端点检测方法及装置
CN108896878A (zh) 一种基于超声波的局部放电检测方法
CN105679310A (zh) 一种用于语音识别方法及***
CN110060665A (zh) 语速检测方法及装置、可读存储介质
CN111429932A (zh) 语音降噪方法、装置、设备及介质
CN110349598A (zh) 一种低信噪比环境下的端点检测方法
EP3574499B1 (en) Methods and apparatus for asr with embedded noise reduction
Jaafar et al. Automatic syllables segmentation for frog identification system
CN106548786A (zh) 一种音频数据的检测方法及***
CN109994129A (zh) 语音处理***、方法和设备
CN111540368A (zh) 一种稳健的鸟声提取方法、装置及计算机可读存储介质
WO2022134781A1 (zh) 拖音的检测方法、装置、设备及存储介质
CN110689887A (zh) 音频校验方法、装置、存储介质及电子设备
Alonso-Martin et al. Multidomain voice activity detection during human-robot interaction
CN110689885A (zh) 机器合成语音识别方法、装置、存储介质及电子设备
CN111613223B (zh) 语音识别方法、***、移动终端及存储介质
TWI684912B (zh) 語音喚醒裝置及方法
CN111755025B (zh) 一种基于音频特征的状态检测方法、装置及设备
CN116884405A (zh) 语音指令识别方法、设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191001

RJ01 Rejection of invention patent application after publication