業務介紹
日立的聲音分析檢測系統采用先進的算法與技術，結合日立在各類不同行業深耕多年的經驗，始終力求為客戶提供優質的服務，行業競爭力超前。曾參加IEEE AASP TC*1公認在聲音識別領域享有盛名的國際聲學識別競賽DCASE*2 2018 Challenge，并在該挑戰的Task5*3中榮獲第1名*4，證明了日立在聲音檢測識別領域的技術實力。
聲音信號中隱藏著豐富的信息量。所以，當視覺、觸覺、嗅覺等不足以支撐人們完成工作時，聲音分析檢測可以發揮其巨大的效用。同時，因聲音信號具備非接觸性，避免了因無法接觸、而收集信息困難的情況。聲音分析檢測系統逐漸受到越來越多的關注，可在醫療衛生、生產制造、交通運輸、安防、倉儲、建筑等數十個領域發揮其巨大價值。
- *1
- IEEE AASP TC：IEEE音頻和聲學信號處理技術委員會
- *2
- DCASE：聲學場景和事件的檢測與分類。DCASE 2018 Challenge舉辦于2018年4月～7月。
- *3
- Task5：比賽在房間內設置多個麥克風進行收音，參賽團隊需從收錄的聲音數據中，識別出“正在料理”、“正在吃飯”、“工作中”、“對話中”、“正在收看電視”等9個被分類好的日常場景。參賽對象包括12個團隊，34套系統。
- *4
- 官方評分 F1-score on Eval.set（Unknown mic.）＝ 當麥克風被設置到與學習模式下完全不同位置時，系統識別場景的準確度得分。日立參加的組別如下圖所示：
通過該賽事的官方網站可以查詢到日立所參加項目(Systems ranking、Teams ranking、Class-wise performance、System characteristics→Input characteristics、System characteristics→Machine learning characteristics)的參賽成績。具體查詢網址如下： https://dcase.community/challenge2018/task-monitoring-domestic-activities-results
產品優勢
- 產品特點
- 日立的診斷模型結合了日立在多個行業內的實踐經驗，經過深度學習，力求幫助客戶實現自動化、省人化等多維度需求。
- 專業團隊
- 不同行業領域、不同項目，均能保證快速應對。算法專家+調研團隊，幫助客戶明確課題、確定方向，實現解決方案與產業聯動。
- 產業實踐
- 結合日立自身在制造業等多年的行業經驗和數字化項目實踐，為客戶提供優質服務。
- 樹立競爭優勢
- 利用自動分析檢測代替人工，在人員快速流動的當下，保留行業經驗，保障產品/服務始終處于穩定水準；自動化有助于提高工作效率，能夠減少失誤，提高收益。最終能夠幫助客戶在同行業建立長期、可持續的競爭優勢。
技術特點
一、能夠把握檢測對象的特征特點、所處環境，制定適合的聲音采集方案，利用收音技巧與技術手段，盡可能僅提取需要的聲音，為后續分析打好基礎。
二、利用日立自有的算法模型，導入學習樣本進行深度學習。從正常設備的聲音，學習“正常聲音”的分布，隨后基于分布規律，計算和識別正常概率。
服務場景示例
1、故障早知道：識別異常頻率，及時預警，減少停工停產損失。
2、自動化檢測：擺脫人工依賴，減少因人員流動造成的損失。
3、全線自動化：硬軟件一體，與產線實現聯動。
4、需求深挖掘：分析聲音中的情緒，準確理解客戶意圖并深層挖掘潛在需求。
適用客戶群及行業
客戶群
- 需要通過聲音識別，輔助完成作業的領域。如設備質檢、醫療等。
- 希望提高聲音識別精度，減少人工依賴的客戶；希望利用系統學習保留行業經驗，防止因人員流動導致行業經驗也隨之流失的客戶。
行 業
- 廣泛應用于醫療衛生、生產制造、交通運輸、安防、倉儲、農林牧漁、水利、環境管理、公共設施管理、建筑、采礦、日常生活、身份識別等數十個領域。
案例介紹
1．某發電站水泵運轉聲監控項目
項目概要：
根據水泵運轉聲判斷水泵狀態，減少人工聽音點檢工作量，實時管理水泵并輔助進行定期維護。
項目課題：
- 易故障的水泵需定期注入潤滑油，否則旋轉部分會損壞。
- 潤滑油注入作業費工費時，希望根據水泵工作音判斷其狀態。
- 經驗者可根據運轉聲判斷水泵狀態，但人員流動大，判斷水準不穩定，用人成本高。
項目內容：
- 進行前期調研，確認檢測對象的特征、運行狀態、設置環境等，專家組討論如何對檢測對象進行收音，最后確定收音裝置設置方案。
- 通過設置于水泵的聲音傳感器，大量收集水泵運轉時的聲音數據。
- 算法模型進行AI學習，根據運轉聲判斷水泵狀態。
空調冷水泵設置場景
-
收集數據
2、某發電站變壓器故障聲音診斷
- 對變壓器及其同類型、節拍不發生變化的波形數據進行分析與開發。
- 可擴展至氣體泄漏檢測、除噪音燈領域。
3、某制造廠馬達狀態檢測及產線自動化
- 以往的作業場景中，均由指定檢測員通過馬達轉動聲判斷馬達品質好壞。
- 檢測員無法判斷、或多個檢測員意見相左時，則由檢測專家參與討論。
- 業務難點：
- 根據檢測員狀態起伏，判定結果時有不同。
- 不同檢測員、專家的評判標準不同，導致判定時的結果存在差異。
- 工廠人員流動大，檢測員離職則需要新的經驗者補崗。重新培訓或招聘經驗者都將提高用人成本。
4、醫療衛生領域應用
- 人的身體各器官運作均會產生各種各樣的聲音。借助聲音監控、檢測分析，能夠輔助診斷和治療。
- 既能一定程度上減輕醫生的負擔，又能幫助病早期及時發現問題。
- 醫療中可作為關注訊號的音頻有病人的咳嗽、打鼾、言語、喘息、呼吸等。通過監控病人在睡眠等時的狀態，能夠在發生特定音頻事件時觸發警報以提醒看護者，幫助及時、盡快跟進治療。
收集數據
此圖為正常心音信號樣本示意圖。由于臨床采集困難，目前心音數據量都不大。
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