CN116312632A - 一种无人售货终端的异常声音检测***及其装置 - Google Patents
一种无人售货终端的异常声音检测***及其装置 Download PDFInfo
- Publication number
- CN116312632A CN116312632A CN202310160612.6A CN202310160612A CN116312632A CN 116312632 A CN116312632 A CN 116312632A CN 202310160612 A CN202310160612 A CN 202310160612A CN 116312632 A CN116312632 A CN 116312632A
- Authority
- CN
- China
- Prior art keywords
- abnormal sound
- sound
- sound detection
- unmanned
- unmanned vending
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 94
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 20
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 27
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000003449 preventive effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000005303 weighing Methods 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F11/00—Coin-freed apparatus for dispensing, or the like, discrete articles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/10—Casings or parts thereof, e.g. with means for heating or cooling
- G07F9/105—Heating or cooling means, for temperature and humidity control, for the conditioning of articles and their storage
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
Abstract
本发明涉及无人零售技术领域，且公开了一种无人售货终端的异常声音检测***及其装置，包括采集模块、降噪模块、检测模块和异常声音检测云平台，采集模块采集无人售货终端设备中关键部件工作时的声音数据，并对数据进行处理和分类，降噪模块使用降噪算法在特征提取之前对声音进行降噪，并进行预处理，检测模块使用离群值方法和LSTM，在不使用异常声音的情况下训练异常声音检测模型。本发明通过设有采集模块、降噪模块、检测模块和异常声音检测云平台，实现了无人售货终端设备的定时或者实时维护，避免人工检查维护导致发现故障的不及时性，保证及时处理设备的潜在故障，提高机器的运行效率，提高用户的使用体验。
Description
技术领域
本发明涉及无人零售技术领域，更具体地涉及一种无人售货终端的异常声音检测***及其装置。
背景技术
目前，在无人零售领域，国内外无人售货终端设备主要依靠人工进行检测和维护。一般要求工人进行上货时对出货口、货币出入口、冷凝器等关键部件进行常规检查，这对工人的技术水平和责任心等要求很高，因此机器故障的发现往往是很不及时的。也有部分规模企业采用预防性维护(Preventive Maintenance,PvM)，又称为计划维护或基于时间的维护，即根据计划的时间表对其所有终端设备定期执行维护，以预测机器的可能故障，并及时进行提前排除。企业通过减少故障来提高设备的效率，有时会导致不必要的维护，从而增加运营成本。大多数情况是，无人售货终端设备突然发生故障，比如出货通道堵塞、出入币口异常等，用户电话投诉后，相关人员到现场进行抢修和维护。这直接影响用户的正常使用和商品销售，且问题通常不能在第一时间得到处理，用户体验很差。可见，传统的机器维护方法和方式已经无法满足无人售货终端设备的实际维护需求。
随着机器学习、异常检测、语音识别等人工智能技术的发展，异常声音检测技术也日益成熟，基于历史数据在早期阶段进行机器故障检测，并对可能存在的机器故障进行预警，进而提醒或指派维修维护人员进行提前处置，将成为机器预防性维护的重要技术手段。异常声音检测是指通过机器运转的声音，训练神经网络模型，使用训练好的模型来预测机器运转的声音，判断机器是否正常运转，实时、定时的对设备进行故障检测，实现预测性维护，从而加强对设备的预防性维护。
异常声音检测技术能够有效地监督机器是否正常转运，受到研究人员的关注，机器异常声音检测已成为当前研究热点。机器异常声音检测通过对无人售货终端设备各个部位声音进行采集、预测，对机器运转状态进行监督，实现无人售货终端设备的定时或者实时维护，避免人工检查维护导致发现故障的不及时性，保证及时处理设备的潜在故障，提高机器的运行效率，提高用户的使用体验。
目前无人售货终端设备往往采用称重传感器和图像传感器来采集商品图像，感应重量变化，并通过目标检测来实现商品的识别和人脸识别，实现商品的销售，在声音技术方面涉及很少，无人售货终端设备的预防性维护适合应用异常声音检测技术。于是，有鉴于此，针对现有的结构及缺失予以研究改良，提供一种无人售货终端的异常声音检测***及其装置，以期达到更具有更加实用价值性的目的。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种无人售货终端的异常声音检测***及其装置，以解决上述背景技术中存在的问题。
本发明提供如下技术方案：一种无人售货终端的异常声音检测***，包括采集模块、降噪模块、检测模块和异常声音检测云平台，采集模块采集无人售货终端设备中关键部件工作时的声音数据，并对数据进行处理和分类，降噪模块使用降噪算法在特征提取之前对声音进行降噪，并进行预处理，检测模块使用离群值方法和LSTM，在不使用异常声音的情况下训练异常声音检测模型，并使用模型进行异常声音检测，在使用异常声音的情况下，改变网络结构和算法，异常声音检测云平台中设备管理功能查看设备中的声音传感器的数量、位置以及运行状态等，调整设备中的声音传感器的启动时间、工作计划等，授权的高级用户，可以通过文件管理功能对设备采集的声音进行管理，通过模型管理功能对传感器的检测模型进行调整和配置。
一种无人售货终端的异常声音检测***，包括装置主体，所述装置主体包括数据处理平台、无人售货柜本体和声音传感器本体，所述无人售货柜本体上设置有出货通道本体、投币退币通道和货架运行通道，所述出货通道本体、投币退币通道和货架运行通道的内部皆设置有声音传感器本体，所述声音传感器本体包括电路板，所述电路板上设置有收音器、电位器、传输端头和指示灯。
进一步的，所述无人售货柜本体的顶端设置有散热通道，且所述散热通道的安装方式为可拆卸安装。
进一步的，所述无人售货柜本体的正面设置有水平仪，所述无人售货柜本体的外壁底端设置有调平基座，且所述调平基座的数量为四个，所述调平基座上皆通过螺纹槽螺纹连接有丝杆本体，所述丝杆本体的顶端皆固定安装有手轮，所述丝杆本体的底端皆通过轴承连接有支撑底垫，所述支撑底垫的底端皆固定安装有防滑底垫。
进一步的，所述收音器的一侧可拆卸安装有防尘纱网，在实际使用中，通过防尘纱网的设置，能够有效的延长声音传感器本体的使用寿命。
进一步的，所述声音传感器本体还包括安装基座，所述安装基座的数量为两个，所述安装基座设置于所述电路板的底端，所述电路板的底端固定安装有两个***安装块，所述***安装块的底端皆固定安装有弹性卡合块，且所述弹性卡合块与所述安装基座相适配，在实际使用中，通过上述的设置，便于后续对声音传感器本体的维护工作。
本发明的技术效果和优点：本发明通过设有采集模块、降噪模块、检测模块和异常声音检测云平台，实现了无人售货终端设备的定时或者实时维护，避免人工检查维护导致发现故障的不及时性，保证及时处理设备的潜在故障，提高机器的运行效率，提高用户的使用体验。
附图说明
图1为本发明的整体研究内容体系框架示意图。
图2为本发明的总体技术路线示意图。
图3为本发明的LSTM单元示意图。
图4为本发明的LSTM与自编码器融合模型示意图。
图5为本发明的离群值数据定义示意图。
图6为本发明的无监督异常声音检测学习技术路线示意图。
图7为本发明的考虑异常声音分布的改进模型结构示意图。
图8为本发明的异常分数计算过程示意图。
图9为本发明的异常声音参与的无监督异常声音检测方法技术路线示意图。
图10为本发明的异常声音检测云平台***开发路线示意图。
图11为本发明的声音采集和异常声音检测云平台方案示意图。
图12为本发明的声音传感器本体第一结构立体示意图。
图13为本发明的无人售货柜本体第一结构立体示意图。
图14为本发明的无人售货柜本体第二结构立体示意图。
图15为本发明的声音传感器本体第二结构立体示意图。
图16为本发明的声音传感器本体第三结构立体示意图。
附图标记为：100、装置主体；110、无人售货柜本体；111、出货通道本体；112、投币退币通道；113、货架运行通道；114、声音传感器本体；115、电路板；116、收音器；117、电位器；118、传输端头；119、指示灯；120、安装基座；121、***安装块；122、弹性卡合块；123、防尘纱网；124、水平仪；125、调平基座；126、丝杆本体；127、支撑底垫；128、散热通道。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
实施例一：本发明提供了一种无人售货终端的异常声音检测***及其装置，一种无人售货终端的异常声音检测***，包括采集模块、降噪模块、检测模块和异常声音检测云平台，采集模块采集无人售货终端设备中关键部件工作时的声音数据，并对数据进行处理和分类，降噪模块使用降噪算法在特征提取之前对声音进行降噪，并进行预处理，检测模块使用离群值方法和LSTM，在不使用异常声音的情况下训练异常声音检测模型，并使用模型进行异常声音检测，在使用异常声音的情况下，改变网络结构和算法，异常声音检测云平台中设备管理功能查看设备中的声音传感器的数量、位置以及运行状态等，调整设备中的声音传感器的启动时间、工作计划等，授权的高级用户，可以通过文件管理功能对设备采集的声音进行管理，通过模型管理功能对传感器的检测模型进行调整和配置。
项目的整体框架如图1所示。在设备质检和设备部署初期使用无监督学***台当作异常声音的样本，在后期使用收集到的异常声音样本对网络模型和算法进行优化，提高异常声音检测的准确性。
项目的具体研究开发内容如下：
(1)在无人售货终端设备部署初期阶段，由于机器部署在不同场合且缺乏异常声音的音频数据，因此构建基于无监督学习的异常声音检测算法用于设备部署初期阶段。由于出货，投币这些活动是有固定流程的，因此在模型中引入LSTM网络，来学习时间序列上的声音特征，提高对有先后顺序的声音事件的检测精准程度。针对机器部署场所不同，使用降噪方法来提高对声音特征的提取准确度。
(2)在无人售货终端设备部署后期，采集到一定的异常声音数据之后，对检测网络模型和算法进行改变，采集到的异常声音数据也参与到模型训练中。可以使用混合高斯分布来区分正常和异常之间的分布，并将概率添加到损失函数中。引入相似度计算函数，将待检测的声音与已收集到的异常声音进行相似计算并加入到异常分数计算当中。通过上述方法会增加异常声音与正常声音的区分度，进而使异常声音检测更加有效。
(3)设计和开发异常声音检测云平台***，方便对接入的无人售货终端设备进行预防性维护。通过云平台的设备管理功能查看设备中的声音传感器的数量、位置以及运行状态等，调整设备中的声音传感器的启动时间、工作计划等。授权的高级用户，可以通过文件管理功能对设备采集的声音进行管理，通过模型管理功能对传感器的检测模型进行调整和配置。
项目研究采取的总体技术路线为：1、采集无人售货终端设备中关键部件工作时的声音数据，并对数据进行处理和分类。2、使用降噪算法在特征提取之前对声音进行降噪，并进行预处理。3、使用离群值方法和LSTM，在不使用异常声音的情况下训练异常声音检测模型，并使用模型进行异常声音检测。4、在使用异常声音的情况下，改变网络结构和算法。项目研究总体路线如图2所示。
(4)采用深度自编码器作为神经网络的基础模型。
基于LSTM，加强学习声音特征中的时序特征，加强模型的表现能力。LSTM单元结构如图3所示，其核心结构为红框内部分，称为单元状态。
其中Ct计算方式如下：
其中ft为遗忘门，表示Ct-1特征用于计算Ct的权重，一般通过sigmoid激活函数计算得到，计算方式如下：
ft＝σ(Wf·[ht-1,xt]+b
it＝σ(Wi·[ht-1,xt]+bi)
最终通往下一层的ht由输出门ot和单元状态Ct计算得到，计算方法如下：
ot＝σ(Wo·[ht-1,xt]+bo)
ht＝ot*tanh(Ct)
这样，通过计算，每层都会对学习到的特征进行取舍。首先通过遗忘门舍去不需要的记忆，再通过输入门确定需要补充的学习特征，并通过状态更新值选择性学习，最后通过输出门确定选择率并选择传递下去的特征，从而实现了对长期记忆的修正以及传递。
将LSTM与自编码器结合的网络结构如图4所示。
编码器读取音频序列，其中输入可以是MFCC特征中分帧之后每帧的特征，重构输出是输入的反转序列，目的是使优化更容易。
将离群值作为异常声音，离群值定义为与无人售货终端设备工作声音无关的其他类别声音，离群值表示如图5所示。通过离群值可以帮助确定异常声音检测的阈值。
对深度自编码器进行调整并进行实现对比，对比包括评价指标AUC、pAUC和训练时间、测试时间等。
异常声音参与的无监督异常声音检测方法
计算异常声音的分布，训练正常声音的分布，在正常声音分布中剔除异常声音分布，训练时将后验分布作为损失函数中的一项。修改后的结构如图7所示。
加入相似度计算函数，在进行异常分数计算时，将待检测样本与异常样本之间的相似度加入到计算中。加大正常声音的评分和异常声音评分之间的差距。异常分数计算过程如图8所示。
整体方法技术路线如图9所示。
异常声音检测云平台***
设备管理功能模块，包括具体设备中安装的声音传感器数量、位置的配置，以及传感器开启时间、工作计划的管理和状态的反馈。
声音文件管理功能模块，根据设备部署的场所以及设备型号对声音文件进行统一的管理，相似场景下相同型号的机器共享声音数据。
模型管理模块，对于同一类场景中初步部署的设备使用LSTM自编码器网络模型，并通过提供的离群值数据修改阈值。后期改变学习方法，让采集到的异常声音参与到学习中。高级用户，也可以灵活配置更适合的网络模型。
异常声音检测平台开发路线如图10所示。
通过本项目试制新一代基于异常声音检测的支持预防性维护的无人零售终端设备，具体的声音采集和异常声音检测云平台方案如图11所示。
针对无人售货终端设备中关键部件工作事件的声音具有时序的特点，使用LSTM结构与编码器结构融合，更好地学习声音的时序特征，同时，重构输出为输入的反序列，利于模型优化，进而提高异常声音检测的准确率和适应性。
针对无人售货终端设备部署初期检测阈值选择的冷启动问题，提出使用离群值作负样本，通过计算异常分数来确认阈值的新方法。有效解决设备部署初期没有或者只有很少量的异常声音数据时，选择的阈值与检测模型相关性差、作用有限的问题。并且与以往不同，新方法不会将训练改为二分类问题，因此仍然是无监督学习。
针对无人售货终端设备部署后期的模型修改，使用采集到的异常声音对学习进行干预，计算异常声音样本的高斯分布，训练剔除异常声音样本分布的正常声音的分布，并将后验分布作为损失函数中的一项。除了对损失函数进行优化，在检测时计算待检测样本与异常样本之间的相似度并加到异常分数的计算中，使异常样本的异常分数变大，从而加大了正负样本之间异常分数的差距，提高检测准确度。同时，异常声音不会用作输入去训练模型，因此仍然是无监督学习。
灵活配置的异常声音检测云平台***，方便对接入的无人售货终端设备进行预防性维护。无人售货终端设备需要维护的部件很多，选择合理的声音传感器安装位置、安装数量，确定声音传感器的开启时间、工作计划等都非常重要。通过软件定义，实现灵活配置，比如在出货通道的中间位置，货币通道的中间位置安装声音传感器，在出货、投币、放入纸币和找零时进行启动传感器等。在异常声音检测云平台***中对采集的声音进行管理，相似场景下的设备共享声音数据，除此之外还可对异常声音检测使用的模型进行管理，不同部位的声音传感器采用不同的检测模型，从而实现精准检测。
实施例二：
实施例二与实施例一的区别在于：一种无人售货终端的异常声音检测***，包括装置主体100，装置主体100包括数据处理平台、无人售货柜本体110和声音传感器本体114，无人售货柜本体110上设置有出货通道本体111、投币退币通道112和货架运行通道113，出货通道本体111、投币退币通道112和货架运行通道113的内部皆设置有声音传感器本体114，声音传感器本体114包括电路板115，电路板115上设置有收音器116、电位器117、传输端头118和指示灯119，无人售货柜本体110的顶端设置有散热通道128，且散热通道128的安装方式为可拆卸安装，无人售货柜本体110的正面设置有水平仪124，无人售货柜本体110的外壁底端设置有调平基座125，且调平基座125的数量为四个，调平基座125上皆通过螺纹槽螺纹连接有丝杆本体126，丝杆本体126的顶端皆固定安装有手轮，丝杆本体126的底端皆通过轴承连接有支撑底垫127，支撑底垫127的底端皆固定安装有防滑底垫，收音器116的一侧可拆卸安装有防尘纱网123，声音传感器本体114还包括安装基座120，安装基座120的数量为两个，安装基座120设置于电路板115的底端，电路板115的底端固定安装有两个***安装块121，***安装块121的底端皆固定安装有弹性卡合块122，且弹性卡合块122与安装基座120相适配。
Claims (6)
1.一种无人售货终端的异常声音检测***，包括采集模块、降噪模块、检测模块和异常声音检测云平台，其特征在于，采集模块采集无人售货终端设备中关键部件工作时的声音数据，并对数据进行处理和分类，降噪模块使用降噪算法在特征提取之前对声音进行降噪，并进行预处理，检测模块使用离群值方法和LSTM，在不使用异常声音的情况下训练异常声音检测模型，并使用模型进行异常声音检测，在使用异常声音的情况下，改变网络结构和算法，异常声音检测云平台中设备管理功能查看设备中的声音传感器的数量、位置以及运行状态等，调整设备中的声音传感器的启动时间、工作计划等，授权的高级用户，可以通过文件管理功能对设备采集的声音进行管理，通过模型管理功能对传感器的检测模型进行调整和配置。
2.一种无人售货终端的异常声音检测装置，包括装置主体(100)，其特征在于，所述装置主体(100)包括数据处理平台、无人售货柜本体(110)和声音传感器本体(114)，所述无人售货柜本体(110)上设置有出货通道本体(111)、投币退币通道(112)和货架运行通道(113)，所述出货通道本体(111)、投币退币通道(112)和货架运行通道(113)的内部皆设置有声音传感器本体(114)，所述声音传感器本体(114)包括电路板(115)，所述电路板(115)上设置有收音器(116)、电位器(117)、传输端头(118)和指示灯(119)。
3.根据权利要求2所述的一种无人售货终端的异常声音检测装置，其特征在于：所述无人售货柜本体(110)的顶端设置有散热通道(128)，且所述散热通道(128)的安装方式为可拆卸安装。
4.根据权利要求2所述的一种无人售货终端的异常声音检测装置，其特征在于：所述无人售货柜本体(110)的正面设置有水平仪(124)，所述无人售货柜本体(110)的外壁底端设置有调平基座(125)，且所述调平基座(125)的数量为四个，所述调平基座(125)上皆通过螺纹槽螺纹连接有丝杆本体(126)，所述丝杆本体(126)的顶端皆固定安装有手轮，所述丝杆本体(126)的底端皆通过轴承连接有支撑底垫(127)，所述支撑底垫(127)的底端皆固定安装有防滑底垫。
5.根据权利要求2所述的一种无人售货终端的异常声音检测装置，其特征在于：所述收音器(116)的一侧可拆卸安装有防尘纱网(123)。
6.根据权利要求2所述的一种无人售货终端的异常声音检测装置，其特征在于：所述声音传感器本体(114)还包括安装基座(120)，所述安装基座(120)的数量为两个，所述安装基座(120)设置于所述电路板(115)的底端，所述电路板(115)的底端固定安装有两个***安装块(121)，所述***安装块(121)的底端皆固定安装有弹性卡合块(122)，且所述弹性卡合块(122)与所述安装基座(120)相适配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310160612.6A CN116312632A (zh) | 2023-02-22 | 2023-02-22 | 一种无人售货终端的异常声音检测***及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310160612.6A CN116312632A (zh) | 2023-02-22 | 2023-02-22 | 一种无人售货终端的异常声音检测***及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116312632A true CN116312632A (zh) | 2023-06-23 |
Family
ID=86802358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310160612.6A Pending CN116312632A (zh) | 2023-02-22 | 2023-02-22 | 一种无人售货终端的异常声音检测***及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116312632A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117765670A (zh) * | 2023-08-16 | 2024-03-26 | 广州市生基科技有限公司 | 一种水氧浴机的控制*** |
-
2023
- 2023-02-22 CN CN202310160612.6A patent/CN116312632A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117765670A (zh) * | 2023-08-16 | 2024-03-26 | 广州市生基科技有限公司 | 一种水氧浴机的控制*** |
| CN117765670B (zh) * | 2023-08-16 | 2024-05-17 | 广州市生基科技有限公司 | 一种水氧浴机的控制*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929918B (zh) | 一种基于CNN和LightGBM的10kV馈线故障预测方法 | |
| CN100472711C (zh) | 工序和质量关系的模型生成装置及模型生成方法 | |
| CN109657718B (zh) | 一种数据驱动的smt生产线上spi缺陷类别智能识别方法 | |
| CN106204330A (zh) | 一种配电网智能诊断*** | |
| CN110865924B (zh) | 电力信息***内部服务器健康度诊断方法与健康诊断框架 | |
| CN112684301B (zh) | 一种电网故障的检测方法和装置 | |
| CN117277958B (zh) | 一种基于大数据的光伏电站的智能运维管理方法及*** | |
| CN116312632A (zh) | 一种无人售货终端的异常声音检测***及其装置 | |
| CN116933197B (zh) | 一种基于大数据的用电信息采集***故障判别方法及*** | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN116956189A (zh) | 一种电流异常检测***、方法、电子设备及介质 | |
| CN107480824B (zh) | 城市轨道交通站点短时客流预测***及方法 | |
| CN113448808A (zh) | 一种批处理任务中单任务时间的预测方法、***及存储介质 | |
| CN115361424B (zh) | 一种基于物联网数据分析的医疗设备监控方法和*** | |
| CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
| CN117118351A (zh) | 一种光伏电站综合管理*** | |
| CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
| CN112801815A (zh) | 一种基于联邦学习的电力通信网络故障预警方法 | |
| CN109492913B (zh) | 一种配电终端的模块化风险预测方法、装置及可存储介质 | |
| CN115598459A (zh) | 一种配电网10kV馈线故障停电预测方法 | |
| CN113807462A (zh) | 一种基于ai的网络设备故障原因定位方法及其*** | |
| CN117808157B (zh) | 基于智能识别的未报备停电行为预测分析*** | |
| CN106595085B (zh) | 利用云端服务器进行监控的太阳能集热*** | |
| CN112149969A (zh) | 特高压直流控制保护合并单元运行状态评价方法及*** | |
| CN117909790A (zh) | 一种通信电源监控方法及*** |
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 |