公开(公告)号：CN116486834A

公开(公告)日：2023-07-25

申请号：CN202310468480.3

申请日：2023-04-26

Applicant: 北京科技大学

Inventor： 张飞 ,  史瑞 ,  李艳姣 ,  李伟超 ,  王清攀 ,  路子杨 ,  王瑞琪 ,  孟祥睿 ,  魏林聪

IPC: G10L25/51 ,  G10L25/03 ,  G10L25/18 ,  G10L25/24 ,  G10L25/45 ,  G10L25/30 ,  G06F18/15 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明属于深度学习技术应用领域，具体涉及基于特征融合和改进卷积神经网络的轧制声音分类方法。本发明提供的方法通过对采集的轧制现场声音数据进行预处理，提取具有代表性的音频数据特征，进行特征通道融合，并采用深度学习数据增强方法对特征图进行扩充，以此构建多通道特征数据集；然后构建改进的卷积神经网络模型，并将多通道特征数据集输入网络进行迭代训练，得到网络模型权重；最后，在模型中输入新数据，输出模型分类准确率和类别判定结果。本发明提供的分类方法解决了现有方法对轧制环境声音分类准确率低的问题。