基于自监督图像算法的水电机组声纹异常分析方法及系统

本发明公开了一种基于自监督图像算法的水电机组声纹异常分析方法及系统，涉及水电机组声纹监测和人工智能领域，方法包括：将水电机组采集声纹样本转化为语谱图，通过预训练模型进行自监督学习，对声纹语谱图进行骨干网络的自监督学习，在经过骨干网络的表征后，使用原型网络计算嵌入空间中每个样本和所有类别原型的距离，根据距离的大小对声纹进行小样本异常预警分析；本发明基于在线监测数据，无须进行停机和人工布置测点，从而大大增加了电厂的经济效益，同时可以综合利用机组多源数据进行建模，自动挖掘其隐含特征，无需专家进行人工判定，且适应于各个不同形式、不同运行时间的机组，具有自适应性和客观性。