业务介绍
日立的声音分析检测系统采用先进的算法与技术，结合日立在各类不同行业深耕多年的经验，始终力求为客户提供优质的服务，行业竞争力超前。曾参加IEEE AASP TC*1公认在声音识别领域享有盛名的国际声学识别竞赛DCASE*2 2018 Challenge，并在该挑战的Task5*3中荣获第1名*4，证明了日立在声音检测识别领域的技术实力。
声音信号中隐藏着丰富的信息量。所以，当视觉、触觉、嗅觉等不足以支撑人们完成工作时，声音分析检测可以发挥其巨大的效用。同时，因声音信号具备非接触性，避免了因无法接触、而收集信息困难的情况。声音分析检测系统逐渐受到越来越多的关注，可在医疗卫生、生产制造、交通运输、安防、仓储、建筑等数十个领域发挥其巨大价值。
- *1
- IEEE AASP TC：IEEE音频和声学信号处理技术委员会
- *2
- DCASE：声学场景和事件的检测与分类。DCASE 2018 Challenge举办于2018年4月～7月。
- *3
- Task5：比赛在房间内设置多个麦克风进行收音，参赛团队需从收录的声音数据中，识别出“正在料理”、“正在吃饭”、“工作中”、“对话中”、“正在收看电视”等9个被分类好的日常场景。参赛对象包括12个团队，34套系统。
- *4
- 官方评分 F1-score on Eval.set（Unknown mic.）＝ 当麦克风被设置到与学习模式下完全不同位置时，系统识别场景的准确度得分。日立参加的组别如下图所示：
通过该赛事的官方网站可以查询到日立所参加项目(Systems ranking、Teams ranking、Class-wise performance、System characteristics→Input characteristics、System characteristics→Machine learning characteristics)的参赛成绩。具体查询网址如下： https://dcase.community/challenge2018/task-monitoring-domestic-activities-results
产品优势
- 产品特点
- 日立的诊断模型结合了日立在多个行业内的实践经验，经过深度学习，力求帮助客户实现自动化、省人化等多维度需求。
- 专业团队
- 不同行业领域、不同项目，均能保证快速应对。算法专家+调研团队，帮助客户明确课题、确定方向，实现解决方案与产业联动。
- 产业实践
- 结合日立自身在制造业等多年的行业经验和数字化项目实践，为客户提供优质服务。
- 树立竞争优势
- 利用自动分析检测代替人工，在人员快速流动的当下，保留行业经验，保障产品/服务始终处于稳定水准；自动化有助于提高工作效率，能够减少失误，提高收益。最终能够帮助客户在同行业建立长期、可持续的竞争优势。
技术特点
一、能够把握检测对象的特征特点、所处环境，制定适合的声音采集方案，利用收音技巧与技术手段，尽可能仅提取需要的声音，为后续分析打好基础。
二、利用日立自有的算法模型，导入学习样本进行深度学习。从正常设备的声音，学习“正常声音”的分布，随后基于分布规律，计算和识别正常概率。
服务场景示例
1、故障早知道：识别异常频率，及时预警，减少停工停产损失。
2、自动化检测：摆脱人工依赖，减少因人员流动造成的损失。
3、全线自动化：硬软件一体，与产线实现联动。
4、需求深挖掘：分析声音中的情绪，准确理解客户意图并深层挖掘潜在需求。
适用客户群及行业
客户群
- 需要通过声音识别，辅助完成作业的领域。如设备质检、医疗等。
- 希望提高声音识别精度，减少人工依赖的客户；希望利用系统学习保留行业经验，防止因人员流动导致行业经验也随之流失的客户。
行 业
- 广泛应用于医疗卫生、生产制造、交通运输、安防、仓储、农林牧渔、水利、环境管理、公共设施管理、建筑、采矿、日常生活、身份识别等数十个领域。
案例介绍
1．某发电站水泵运转声监控项目
项目概要：
根据水泵运转声判断水泵状态，减少人工听音点检工作量，实时管理水泵并辅助进行定期维护。
项目课题：
- 易故障的水泵需定期注入润滑油，否则旋转部分会损坏。
- 润滑油注入作业费工费时，希望根据水泵工作音判断其状态。
- 经验者可根据运转声判断水泵状态，但人员流动大，判断水准不稳定，用人成本高。
项目内容：
- 进行前期调研，确认检测对象的特征、运行状态、设置环境等，专家组讨论如何对检测对象进行收音，最后确定收音装置设置方案。
- 通过设置于水泵的声音传感器，大量收集水泵运转时的声音数据。
- 算法模型进行AI学习，根据运转声判断水泵状态。
空调冷水泵设置场景
-
收集数据
2、某发电站变压器故障声音诊断
- 对变压器及其同类型、节拍不发生变化的波形数据进行分析与开发。
- 可扩展至气体泄漏检测、除噪音灯领域。
3、某制造厂马达状态检测及产线自动化
- 以往的作业场景中，均由指定检测员通过马达转动声判断马达品质好坏。
- 检测员无法判断、或多个检测员意见相左时，则由检测专家参与讨论。
- 业务难点：
- 根据检测员状态起伏，判定结果时有不同。
- 不同检测员、专家的评判标准不同，导致判定时的结果存在差异。
- 工厂人员流动大，检测员离职则需要新的经验者补岗。重新培训或招聘经验者都将提高用人成本。
4、医疗卫生领域应用
- 人的身体各器官运作均会产生各种各样的声音。借助声音监控、检测分析，能够辅助诊断和治疗。
- 既能一定程度上减轻医生的负担，又能帮助病早期及时发现问题。
- 医疗中可作为关注讯号的音频有病人的咳嗽、打鼾、言语、喘息、呼吸等。通过监控病人在睡眠等时的状态，能够在发生特定音频事件时触发警报以提醒看护者，帮助及时、尽快跟进治疗。
收集数据
此图为正常心音信号样本示意图。由于临床采集困难，目前心音数据量都不大。
出自：ZHOU J， HE W，DAN C， et al. Feature extraction andrecognition of heart sound[C]//2008 World Automation Congress, Hawaii,HI,USA
搜索
China