基于人工智能神经网络的风扇异音检测方法及装置

本发明涉及基于人工智能神经网络的风扇异音检测方法及装置，将风扇声音信号转换为时频图，利用改进的效能网络高效提取多尺度声学特征，通过自适应注意力机制选择多个层级的特征块进行融合，以此保留关键信息。之后，把融合特征输入到胶囊网络中，借助胶囊网络的动态路由机制进一步建模特征间的空间关系与结构依赖，从而增强模型对异音特征的表达力和鲁棒性。最终，通过全连接分类器输出异音检测结果，这有利于实现对风扇异常状态的准确判断。采用改进的效能网络作为特征提取主干网络，其区别于传统复杂深层网络结构，显著降低了模型参数量与计算复杂度，在保障特征表达能力的前提下，更适合部署于资源受限的边缘设备或工业现场的嵌入式系统中。