CN113916567A - 检测设备的方法、装置、电子设备、及存储介质 - Google Patents
检测设备的方法、装置、电子设备、及存储介质 Download PDFInfo
- Publication number
- CN113916567A CN113916567A CN202010646643.9A CN202010646643A CN113916567A CN 113916567 A CN113916567 A CN 113916567A CN 202010646643 A CN202010646643 A CN 202010646643A CN 113916567 A CN113916567 A CN 113916567A
- Authority
- CN
- China
- Prior art keywords
- equipment
- audio data
- detection model
- information
- state information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 238000012549 training Methods 0.000 claims description 49
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 5
- 230000005494 condensation Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009967 tasteless effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本公开实施例公开了一种检测设备的方法、装置、电子设备、及存储介质,方法包括:采集设备运行时的音频数据;将所述音频数据输入至预先训练的声音检测模型,获取所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示设备状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设备预定零部件存在质量问题的信息。本发明实施例的技术方案改变了传统空调品质检测依赖人工质检的方式,能够及时准确地归类设备品质问题,提升设备出厂合格率和可靠性,满足用户高标准质量的需求。
Description
技术领域
本公开实施例涉及计算机应用技术领域,具体涉及一种检测设备的方法、 装置、电子设备、及存储介质。
背景技术
长期以来,设备检测一般由人工完成。人工检测依赖于检测人员的经验 和熟练程度,评价标准不稳定不一致,因而经常会产生误检和漏检。另一方 面,设备检测对检测人员来说是一个繁重无味的体力劳动,不利于生产效率 的提高和人力成本的节约。
发明内容
有鉴于此,本公开实施例提供一种检测设备的方法、装置、电子设备、 及存储介质,以提升设备出厂合格率和可靠性。
本公开实施例的其他特性和优点将通过下面的详细描述变得显然,或部 分地通过本公开实施例的实践而习得。
在本公开的第一方面,本公开实施例提供了一种检测设备的方法,包括:
采集设备运行时的音频数据;
将所述音频数据输入至预先训练的声音检测模型,获取所述声音检测模 型输出的状态信息,其中,所述状态信息包括用于表示设备状态良好的信息、 用于表示设备存在装配问题的信息、以及用于表示设备预定零部件存在质量 问题的信息。
于一实施例中,采集设备运行时的音频数据包括:在设备完成装配后, 将所述设备置于预定密闭空间中,通过配置于所述密闭空间的声音传感器采 集所述设备的音频数据。
于一实施例中,在采集设备运行时的音频数据之后,将所述音频数据输 入至预先训练的声音检测模型之前还包括:确定所述音频数据中是否存在异 常波段,若是则提取所述异常波段,以将所述异常波段输入至预先训练的声 音检测模型,否则确定所述设备状态良好。
于一实施例中,所述装配问题包括装配不严问题、装配卡扣问题、装配 距离过大问题。
于一实施例中,所述设备包括空调;所述预定零部件存在质量问题包括 电机异常问题、电机电压异常问题、电机电流异常问题、功率不移定问题、 冷凝管存在裂逢问题、管道存在裂缝问题。
于一实施例中,所述声音检测模型通过如下步骤训练得到:
获取训练样本集合,其中,训练样本包括从设备采集的音频数据和用于 表示所述设备的状态信息的标注信息;
确定初始化的声音检测模型,其中所述初始化的声音检测模型包括用于 输出音频数据所对应设备的状态信息的目标层;
利用机器学习的方法,将所述训练样本集合中的训练样本中的音频数据 作为初始化的声音检测模型的输入,将与输入的音频数据对应的标注信息作 为初始化的声音检测模型的期望输出,训练得到所述声音检测模型。
于一实施例中,获取训练样本集合包括:
采集待维修设备的音频数据,并记录所述音频数据中波形异常的时间段;
从所述音频数据中截取波形异常的时间段对应的音频数据得到异常音频 数据;
对所述待维修设备进行维修以确定所述待维修设备维修前的状态信息;
将所述异常音频数据作为样本,并将所述状态信息作为所述样本的标注 信息。
在本公开的第二方面,本公开实施例还提供了一种检测设备的装置,包 括:
音频数据采集单元,用于采集设备运行时的音频数据;
状态检测单元,用于将所述音频数据输入至预先训练的声音检测模型, 获取所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示 设备状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设 备预定零部件存在质量问题的信息。
于一实施例中,所述音频数据采集单元用于:在设备完成装配后,将所 述设备置于预定密闭空间中,通过配置于所述密闭空间的声音传感器采集所 述设备的音频数据。
于一实施例中,所述装置还包括音频初检单元,用于在采集设备运行时 的音频数据之后,将所述音频数据输入至预先训练的声音检测模型之前:
确定所述音频数据中是否存在异常波段,若是则提取所述异常波段,以 将所述异常波段输入至预先训练的声音检测模型,否则确定所述设备状态良 好。
于一实施例中,所述装配问题包括装配不严问题、装配卡扣问题、装配 距离过大问题。
于一实施例中,所述设备包括空调;所述预定零部件存在质量问题包括 电机异常问题、电机电压异常问题、电机电流异常问题、功率不移定问题、 冷凝管存在裂逢问题、管道存在裂缝问题。
于一实施例中,所述状态检测单元中所述声音检测模型通过如下模块训 练得到:
样本获取模块,用于获取训练样本集合,其中,训练样本包括从设备采 集的音频数据和用于表示所述设备的状态信息的标注信息;
模型确定模块,用于确定初始化的声音检测模型,其中所述初始化的声 音检测模型包括用于输出音频数据所对应设备的状态信息的目标层;
模型训练模块,用于利用机器学习的装置,将所述训练样本集合中的训 练样本中的音频数据作为初始化的声音检测模型的输入,将与输入的音频数 据对应的标注信息作为初始化的声音检测模型的期望输出,训练得到所述声 音检测模型。
于一实施例中,所述样本获取模块用于:采集待维修设备的音频数据, 并记录所述音频数据中波形异常的时间段;
从所述音频数据中截取波形异常的时间段对应的音频数据得到异常音频 数据;
对所述待维修设备进行维修以确定所述待维修设备维修前的状态信息;
将所述异常音频数据作为样本,并将所述状态信息作为所述样本的标注 信息。
在本公开的第三方面,提供了一种电子设备。该电子设备包括:处理器; 以及存储器,用于存储可执行指令,所述可执行指令在被所述处理器执行时 使得所述电子设备执行第一方面中的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计 算机程序,该计算机程序被处理器执行时实现第一方面中的方法。
本公开实施例提出的技术方案的有益技术效果是:
本公开实施例改变了传统空调品质检测依赖人工质检的方式,通过采集 设备运行时的音频数据;将所述音频数据输入至预先训练的声音检测模型, 获取所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示 设备状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设 备预定零部件存在质量问题的信息,能够及时准确地归类设备品质问题,提 升设备出厂合格率和可靠性,满足用户高标准质量的需求。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对本公开实施例 描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅 仅是本公开实施例中的一部分实施例,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,还可以根据本公开实施例的内容和这些附图获得 其他的附图。
图1是根据本公开实施例提供的一种检测设备的方法的流程示意图;
图2是根据本公开实施例提供的另一种检测设备的方法的流程示意图;
图3是本公开实施例提供的一种声音检测模型的训练方法的流程示意 图;
图4是根据本公开实施例提供的一种检测设备的装置的结构示意图;
图5是根据本公开实施例提供的一种声音检测模型的训练装置的结构示 意图;
图6示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例解决的技术问题、采用的技术方案和达到的技术效果 更加清楚,下面将结合附图对本公开实施例的技术方案作进一步的详细描述, 显然,所描述的实施例仅仅是本公开实施例中的一部分实施例,而不是全部 的实施例。基于本公开实施例中的实施例,本领域技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例,都属于本公开实施例保护的范围。
需要说明的是,本公开实施例中术语“***”和“网络”在本文中常被 可互换使用。本公开实施例中提到的“和/或”是指包括一个或更多个相关所 列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语 “第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
还需要说明是,本公开实施例中下述各个实施例可以单独执行,各个实 施例之间也可以相互结合执行,本公开实施例对此不作具体限制。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于 说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面结合附图并通过具体实施方式来进一步说明本公开实施例的技术方 案。
图1示出了本公开实施例提供的一种检测设备的方法的流程示意图,本 实施例可适用于根据设备运行声音对设备进行检测的情况,该方法可以由配 置于电子设备中的检测设备的装置来执行,如图1所示,本实施例所述的检 测设备的方法包括:
在步骤S110中,采集设备运行时的音频数据。
采集设备运行时的音频数据可采用多种方法,例如可在设备完成装配后, 将所述设备置于预定密闭空间中,通过配置于所述密闭空间的声音传感器采 集所述设备的音频数据。
在步骤S120中,将所述音频数据输入至预先训练的声音检测模型,获取 所述声音检测模型输出的状态信息。
其中,所述状态信息包括用于表示设备状态良好的信息、用于表示设备 存在装配问题的信息、以及用于表示设备预定零部件存在质量问题的信息。
设备的状态信息包括多种,例如,所述装配问题可包括装配不严问题、 装配卡扣问题、装配距离过大问题,所述零部件质量问题包括但不限于马达 问题。
以设备为空调为例来说明,可通过对生产线上空调音频数据自动截取、 存储,形成行业数据库,并对空调器数据进行大数据分析,得出常规问题种 类。例如,可包括上述诸如装配不严问题、装配卡扣问题、装配距离过大问 题等装配问题和零部件质量问题。对于空调来说,预定零部件存在质量问题 大多包括电机异常问题、电机电压异常问题、电机电流异常问题、功率不移 定问题、冷凝管存在裂逢问题、以及管道存在裂缝问题等。
本实施例要求所述声音检测模型能够在输入设备的音频数据之后,得到 用于表示所述设备的状态信息的输出结果信息,具体模型的训练方法和特点, 本实施例对此不作限定,本实施例后面有一单独的示例性实施例,提供了一 种声音检测模型的训练方法,可采用该方法或类似的方法训练本步骤要求的 声音检测模型,也可对下述训练方法进行变形或适应性修改,只要能满足本 步骤的要求即可。
本实施例改变了传统空调品质检测依赖人工质检的方式,通过采集设备 运行时的音频数据;将所述音频数据输入至预先训练的声音检测模型,获取 所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示设备 状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设备预 定零部件存在质量问题的信息,能够及时准确地归类设备品质问题,提升设 备出厂合格率和可靠性,满足用户高标准质量的需求。
图2示出了本公开实施例提供的另一种检测设备的方法的流程示意图, 本实施例以前述实施例为基础,进行了改进优化。如图2所示,本实施例所 述的检测设备的方法包括:
在步骤S210中,在设备完成装配后,将所述设备置于预定密闭空间中, 通过配置于所述密闭空间的声音传感器采集所述设备的音频数据。
例如在设备组装生产线末尾处,将完成装配的设备推送到预定密闭空间 中以隔绝外界噪声,通过配置于所述密闭空间的声音传感器采集该设备的音 频数据。
于一实施例中,在采集到音频数据之后,
在步骤S220中,确定所述音频数据中是否存在异常波段,若是则执行步 骤S230,否则执行步骤S250。
例如可将多个该类设备在正常状态下的音频数据的波形进行比对,确定 用于区分正常状态的设备和异常状态的设备的异音检测阈值。将所述音频的 波形根据所述异音检测阈值进行异音检测以确定是否存在异常波段。
在步骤S230中,提取所述异常波段,执行步骤S240。
在步骤S240中,将所述异常波段输入至预先训练的声音检测模型,获取 所述声音检测模型输出的状态信息,结束。
在步骤S250中,确定所述设备状态良好,结束。
波形比对不同
异常数据进行迭代训练
声音文件20兆以内
样本:声音文件标注:异常波段扣取出来
声音文件异常波纹提取标注:声音异常带问题类型:装配问题 (装配时卡扣距离过大装配不严)
零部件质量问题(电机问题(电机本身问题电机内部质量问题电流电压 问题、)冷凝管问题管道有缝隙)
有益效果
图3是本公开实施例提供的一种声音检测模型的训练方法的流程示意 图,如图3所示,本公开实施例所述的声音检测模型的训练方法包括:
在步骤S310中、获取训练样本集合,其中,训练样本包括从设备采集的 音频数据和用于表示所述设备的状态信息的标注信息。
在步骤S320中、确定初始化的声音检测模型,其中所述初始化的声音检 测模型包括用于输出音频数据所对应设备的状态信息的目标层。
在步骤S330中、利用机器学习的方法,将所述训练样本集合中的训练样 本中的音频数据作为初始化的声音检测模型的输入,将与输入的音频数据对 应的标注信息作为初始化的声音检测模型的期望输出,训练得到所述声音检 测模型。
在一些实施例中,获取训练样本集合可通过如下方式:采集待维修设备 的音频数据,并记录所述音频数据中波形异常的时间段;从所述音频数据中 截取波形异常的时间段对应的音频数据得到异常音频数据;对所述待维修设 备进行维修以确定所述待维修设备维修前的状态信息;将所述异常音频数据 作为样本,并将所述状态信息作为所述样本的标注信息。
本实施例的技术方案公开了一种声音检测模型的训练方法,通过获取包 括从设备采集的音频数据和用于表示所述设备的状态信息的标注信息的训练 样本集合,利用机器学习的方法,将所述训练样本集合中的训练样本中的音 频数据作为初始化的声音检测模型的输入,将与输入的音频数据对应的标注 信息作为初始化的声音检测模型的期望输出,训练得到所述声音检测模型, 以用于根据设备的声音确定设备的状态信息,能够及时准确地归类设备品质 问题,提升设备出厂合格率和可靠性,满足用户高标准质量的需求。
图4示出了本公开实施例提供的另一种检测设备的装置的结构示意图, 如图4所示,本实施例所述的检测设备的装置包括音频数据采集单元410和 状态检测单元420。
所述音频数据采集单元410被配置为,用于采集设备运行时的音频数据。
所述状态检测单元420被配置为,用于将所述音频数据输入至预先训练 的声音检测模型,获取所述声音检测模型输出的状态信息,其中,所述状态 信息包括用于表示设备状态良好的信息、用于表示设备存在装配问题的信息、 以及用于表示设备预定零部件存在质量问题的信息。
在一些实施例中,所述音频数据采集单元410被配置为,用于在设备完 成装配后,将所述设备置于预定密闭空间中,通过配置于所述密闭空间的声 音传感器采集所述设备的音频数据。
在一些实施例中,所述装置还包括音频初检单元(图4中未示出),所述 音频初检单元被配于,用于在采集设备运行时的音频数据之后,将所述音频 数据输入至预先训练的声音检测模型之前:确定所述音频数据中是否存在异 常波段,若是则提取所述异常波段,以将所述异常波段输入至预先训练的声 音检测模型,否则确定所述设备状态良好。
在一些实施例中,所述装配问题包括装配不严问题、装配卡扣问题、装 配距离过大问题。
在一些实施例中,所述设备包括空调;所述预定零部件存在质量问题包 括电机异常问题、电机电压异常问题、电机电流异常问题、功率不移定问题、 冷凝管存在裂逢问题、管道存在裂缝问题。
在一些实施例中,所述状态检测单元420中所述声音检测模型通过声音 检测模型的训练装置的各模块训练得到。
本实施例提供的检测设备的装置可执行本公开方法实施例所提供的检测 设备的方法,具备执行方法相应的功能模块和有益效果。
图5是本公开实施例提供的一种声音检测模型的训练装置的结构示意 图,如图5所示,本实施例所述的声音检测模型的训练装置包括样本获取模 块510、模型确定模块520和模型训练模块530。
所述样本获取模块510被配置为,用于获取训练样本集合,其中,训练 样本包括从设备采集的音频数据和用于表示所述设备的状态信息的标注信 息。
所述模型确定模块520被配置为,用于确定初始化的声音检测模型,其 中所述初始化的声音检测模型包括用于输出音频数据所对应设备的状态信息 的目标层。
所述模型训练模块530被配置为,用于利用机器学习的装置,将所述训 练样本集合中的训练样本中的音频数据作为初始化的声音检测模型的输入, 将与输入的音频数据对应的标注信息作为初始化的声音检测模型的期望输 出,训练得到所述声音检测模型。
在一些实施例中,所述样本获取模块510被配置为,用于:
采集待维修设备的音频数据,并记录所述音频数据中波形异常的时间段;
从所述音频数据中截取波形异常的时间段对应的音频数据得到异常音频 数据;
对所述待维修设备进行维修以确定所述待维修设备维修前的状态信息;
将所述异常音频数据作为样本,并将所述状态信息作为所述样本的标注 信息。
本实施例提供的声音检测模型的训练装置可执行本公开方法实施例所提 供的声音检测模型的训练方法,具备执行方法相应的功能模块和有益效果。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的 结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、 笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP (便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以 及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一 个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形 处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从 存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的 动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和 数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/ 输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、 键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括 例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、 硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备 600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种 装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装 置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开实施例的实施例,上文参考流程图描述的过程可以 被实现为计算机软件程序。例如,本公开实施例的实施例包括一种计算机程 序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含 用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序 可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装, 或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公 开实施例的方法中限定的上述功能。
需要说明的是,本公开实施例上述的计算机可读介质可以是计算机可读 信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读 存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导 体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具 体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机 磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只 读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、 光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开实施例中, 计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被 指令执行***、装置或者器件使用或者与其结合使用。而在本公开实施例中, 计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信 号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种 形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可 读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计 算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者 器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以 用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或 者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存 在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程 序被该电子设备执行时,使得该电子设备:采集设备运行时的音频数据;将 所述音频数据输入至预先训练的声音检测模型,获取所述声音检测模型输出 的状态信息,其中,所述状态信息包括用于表示设备状态良好的信息、用于 表示设备存在装配问题的信息、以及用于表示设备预定零部件存在质量问题 的信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开实施例 的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言 —诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C” 语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部 分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机 上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉 及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域 网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机 (例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开实施例各种实施例的***、 方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流 程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该 模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的 可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能 也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实 际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/ 或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件 的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可 以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单 元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协 议地址的单元”。
以上描述仅为本公开实施例的较佳实施例以及对所运用技术原理的说 明。本领域技术人员应当理解,本公开实施例中所涉及的公开范围,并不限 于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公 开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它 技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功 能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种检测设备的方法,其特征在于,包括:
采集设备运行时的音频数据;
将所述音频数据输入至预先训练的声音检测模型,获取所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示设备状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设备预定零部件存在质量问题的信息。
2.根据权利要求1所述的方法,其特征在于,采集设备运行时的音频数据包括:
在设备完成装配后,将所述设备置于预定密闭空间中,通过配置于所述密闭空间的声音传感器采集所述设备的音频数据。
3.根据权利要求1所述的方法,其特征在于,在采集设备运行时的音频数据之后,将所述音频数据输入至预先训练的声音检测模型之前还包括:
确定所述音频数据中是否存在异常波段,若是则提取所述异常波段,以将所述异常波段输入至预先训练的声音检测模型,否则确定所述设备状态良好。
4.根据权利要求1所述的方法,其特征在于,所述装配问题包括装配不严问题、装配卡扣问题、装配距离过大问题。
5.根据权利要求1所述的方法,其特征在于,所述设备包括空调;
所述预定零部件存在质量问题包括电机异常问题、电机电压异常问题、电机电流异常问题、功率不移定问题、冷凝管存在裂逢问题、管道存在裂缝问题。
6.根据权利要求1-8之一所述的方法,其特征在于,所述声音检测模型通过如下步骤训练得到:
获取训练样本集合,其中,训练样本包括从设备采集的音频数据和用于表示所述设备的状态信息的标注信息;
确定初始化的声音检测模型,其中所述初始化的声音检测模型包括用于输出音频数据所对应设备的状态信息的目标层;
利用机器学习的方法,将所述训练样本集合中的训练样本中的音频数据作为初始化的声音检测模型的输入,将与输入的音频数据对应的标注信息作为初始化的声音检测模型的期望输出,训练得到所述声音检测模型。
7.根据权利要求6所述的方法,其特征在于,获取训练样本集合包括:
采集待维修设备的音频数据,并记录所述音频数据中波形异常的时间段;
从所述音频数据中截取波形异常的时间段对应的音频数据得到异常音频数据;
对所述待维修设备进行维修以确定所述待维修设备维修前的状态信息;
将所述异常音频数据作为样本,并将所述状态信息作为所述样本的标注信息。
8.一种检测设备的装置,其特征在于,包括:
音频数据采集单元,用于采集设备运行时的音频数据;
状态检测单元,用于将所述音频数据输入至预先训练的声音检测模型,获取所述声音检测模型输出的状态信息,其中,所述状态信息包括用于表示设备状态良好的信息、用于表示设备存在装配问题的信息、以及用于表示设备预定零部件存在质量问题的信息。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储可执行指令,所述可执行指令在被所述一个或多个处理器执行时,使得所述电子设备执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646643.9A CN113916567A (zh) | 2020-07-07 | 2020-07-07 | 检测设备的方法、装置、电子设备、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646643.9A CN113916567A (zh) | 2020-07-07 | 2020-07-07 | 检测设备的方法、装置、电子设备、及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113916567A true CN113916567A (zh) | 2022-01-11 |
Family
ID=79231277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010646643.9A Pending CN113916567A (zh) | 2020-07-07 | 2020-07-07 | 检测设备的方法、装置、电子设备、及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916567A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114964467A (zh) * | 2022-03-21 | 2022-08-30 | 珠海格力电器股份有限公司 | 设备检测方法、装置、声音采集设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN109579220A (zh) * | 2018-10-15 | 2019-04-05 | 平安科技(深圳)有限公司 | 空调***故障检测方法、装置、电子设备 |
CN111076960A (zh) * | 2019-11-22 | 2020-04-28 | 科士恩科技(上海)有限公司 | 一种基于人工智能算法的声纹质量检测方法 |
CN111337277A (zh) * | 2020-02-21 | 2020-06-26 | 云知声智能科技股份有限公司 | 一种基于声音识别的家用电器故障判定方法及装置 |
-
2020
- 2020-07-07 CN CN202010646643.9A patent/CN113916567A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN109579220A (zh) * | 2018-10-15 | 2019-04-05 | 平安科技(深圳)有限公司 | 空调***故障检测方法、装置、电子设备 |
CN111076960A (zh) * | 2019-11-22 | 2020-04-28 | 科士恩科技(上海)有限公司 | 一种基于人工智能算法的声纹质量检测方法 |
CN111337277A (zh) * | 2020-02-21 | 2020-06-26 | 云知声智能科技股份有限公司 | 一种基于声音识别的家用电器故障判定方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114964467A (zh) * | 2022-03-21 | 2022-08-30 | 珠海格力电器股份有限公司 | 设备检测方法、装置、声音采集设备及存储介质 |
CN114964467B (zh) * | 2022-03-21 | 2023-01-13 | 珠海格力电器股份有限公司 | 设备检测方法、装置、声音采集设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211121B (zh) | 用于推送模型的方法和装置 | |
US11750898B2 (en) | Method for generating target video, apparatus, server, and medium | |
CN112037223B (zh) | 图像缺陷检测方法、装置及电子设备 | |
CN117690063B (zh) | 电缆线路检测方法、装置、电子设备与计算机可读介质 | |
CN111429942B (zh) | 一种音频数据处理方法、装置、电子设备及存储介质 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN108387757B (zh) | 用于检测可移动设备的移动状态的方法和装置 | |
CN113378586A (zh) | 语音翻译方法、翻译模型训练方法、装置、介质及设备 | |
CN114167189B (zh) | 一种焊接缺陷检测方法、电子设备及存储介质 | |
CN111798865A (zh) | 终端马达的检测方法、装置、终端及存储介质 | |
CN113916567A (zh) | 检测设备的方法、装置、电子设备、及存储介质 | |
CN114742992A (zh) | 视频异常检测方法、装置和电子设备 | |
CN112291121B (zh) | 一种数据处理方法及相关设备 | |
CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
WO2021212985A1 (zh) | 声学网络模型训练方法、装置及电子设备 | |
CN110414625B (zh) | 确定相似数据的方法、装置、电子设备及存储介质 | |
CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
CN111783632A (zh) | 针对视频流的人脸检测方法、装置、电子设备及存储介质 | |
CN114499709B (zh) | 天线收音测试方法、装置、电子设备及存储介质 | |
CN113033680B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN112315463B (zh) | 一种婴幼儿听力测试方法、装置及电子设备 | |
CN110334763B (zh) | 模型数据文件生成、图像识别方法、装置、设备及介质 | |
CN112416859B (zh) | 一种用于iOS应用内的意见反馈方法及相关设备 | |
CN112382266B (zh) | 一种语音合成方法、装置、电子设备及存储介质 |
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 |