[2Win5-65] 深層学習モデルによる雑音環境下における機械音の異常分類
キーワード：深層学習、異常検知、音声分類
機械製品から発生する異音は, 機械及びその部品の異常により発生するため, それらを早期に検知することで重篤な故障の予防や機器メンテナンスの効率化を図ることができる. しかし, それらは, 対象となる機械製品やその部品種によって様々であると共に, 雑音環境下の元で発生するため, 検知が難しいという課題がある. 本研究では, 雑音環境下においてもロバストに異音分類可能な深層学習モデルに関する検討を行った. 産業機械の稼働音に焦点を当てたデータセット (バルブ等の4種類の機械音の正常・異常データ)を用いて, 時間-周波数方向へのAttention機構を備えたACRNN, 神経計算の原理と深層学習のアーキテクチャを組み合わせたLiquid Neural Networkの深層学習モデルを構築し, ベースラインモデル (ResNet18)との有効性の比較検証を行った. その結果, 間欠的な動作による機械音 (バルブ、スライドレール)やファンに対してはACRNNが有効であり, 持続的な機械音 (ポンプ)に対してはLNNが有効であることを確認した.
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。