一种基于深度学习的电缆故障声纹监测方法及系统

本发明公开了一种基于深度学习的电缆故障声纹监测方法及系统，包括：获取电缆运行时的声音数据并进行预处理，得到声纹数据，利用梅尔频率倒谱稀疏进行特征提取，并将ResNet模型的最后一层被替换为一个新的全连接层，其神经元数量与需要分类的电缆故障类型数量相匹配，使得原本用于图像识别任务的ResNet模型完全适用于声纹监测，由于不再需要转换图像的步骤，因此提高了复杂环境中的鲁棒性，且不再需要其他模型辅助，减少了计算量和方案复杂程度。