摘要
本发明公开了一种基于分段频域注意力融合的古筝缺陷智能识别方法,涉及语音或声音识别技术,基于标准音频和模拟缺陷音采集古筝音频数据,将所述音频数据输入到由卷积神经网络、LSTM和注意力融合机制构成的网络结构中进行训练,得到预训练模型;使用所述预训练模型对待检测古筝的真实音频进行预测,得到古筝的缺陷识别结果。本发明实现了对古筝缺陷的精准、高效、可解释的智能识别,为古筝制造和维护提供可靠的技术支持。
技术关键词
古筝
缺陷智能
预训练模型
识别方法
注意力
音频
时域特征
频域特征
融合特征
分段
阶段
多层感知机
网络结构
卷积神经网络提取
频谱特征
声音识别技术
智能识别算法
数据
缺陷类别
跨模态
系统为您推荐了相关专利信息
时序特征
预后预测模型
疾病
动态预测方法
预后评估方法
数据采集监测模块
多头注意力机制
直流电流
变压器直流偏磁
数据特征提取