一种基于扩散模型的多类机器异常声音检测方法

本发明提供一种基于扩散模型的多类机器异常声音检测方法，包括如下步骤：采集正常声音数据，正常声音数据中包含类别信息，构建训练数据集；对训练数据集中的正常声音数据进行预处理生成梅尔谱图，并生成类别对应标签；根据类别对应标签和梅尔谱图，训练基于扩散模型的多类异常声音检测网络；利用训练好的多类异常声音检测网络制作mean‑GMM特征，训练高斯混合模型；将待检测的声音数据输入到多类异常声音检测网络和高斯混合模型中得到检测结果。本发明设计了一种基于高斯混合模型的异常分数算法，均匀考虑了声音数据在时间域上的连续性和变化特征。提供更细粒度的异常评分，显著提高了检测的精准度和对复杂工业环境的适应性。