A necessity for the suitable recogn

A necessity for the suitable recognition of different machinery and equipment based on the sound they generate is constantly present and will increase in the future. The main motivation for the discrimination between different types of machinery sounds is to develop algorithms that can be used not only for final quality inspection but for the monitoring of the whole production line. The objective of our study is to recognize the operation of the individual machine in a production hall, where background noise level is high and constantly changing. An experimental plan was designed and performed in order to confirm the hypothesis proposing that automatic speech recognition algorithms can be applied to automatic machine recognition. The design of the automatic machine recognition procedure used in our study was divided into three stages: feature extraction, training, and recognition (classification). Additionally, a traditional mel-frequency cepstral coefficient (MFCC) procedure was adjusted for machinery noise by using different filter compositions. Finally, two classifiers were compared, the k-NN classifier and the multivariate Gaussian distribution. The results of the experiment show that machinery noise features frequency cepstral coefficients (FCC) should be extracted by using linear filter compositions and processed with recognition algorithm based on the multivariate Gaussian distribution.

ผลลัพธ์ (ไทย) 1:

สิ่งจำเป็นสำหรับการจดจำเหมาะสมอิงเสียงที่พวกเขาสร้างเครื่องจักรที่แตกต่างกันและมีอยู่อย่างต่อเนื่อง และจะเพิ่มขึ้นในอนาคต แรงจูงใจหลักสำหรับการเลือกปฏิบัติระหว่างเสียงเครื่องจักรประเภทต่าง ๆ คือการ พัฒนาอัลกอริทึมที่ใช้ไม่เพียงแต่ สำหรับการตรวจสอบคุณภาพ แต่ สำหรับการตรวจสอบทั้งสายการผลิต วัตถุประสงค์ของการศึกษาของเราคือการ รับรู้การดำเนินงานของแต่ละเครื่องในการผลิต ระดับเสียงพื้นหลังสูง และเปลี่ยนแปลงตลอดเวลา แผนการทดลองออกแบบ และดำเนินการเพื่อยืนยันสมมติฐานที่เสนอขั้นตอนวิธีการรู้จำเสียงอัตโนมัติที่สามารถใช้การรู้จำเครื่องอัตโนมัติ การออกแบบของกระบวนการรับรู้เครื่องอัตโนมัติที่ใช้ในการศึกษาของเราแบ่งออกเป็นสามขั้นตอน: สกัด ฝึกอบรม และการรับรู้ (จำแนกประเภท) นอกจากนี้ กระบวนการสัมประสิทธิ์ (MFCC) cepstral ความถี่แบบ mel ถูกปรับปรุงสำหรับเสียงรบกวนของเครื่องจักร โดยใช้องค์ประกอบกรองแตกต่างกัน ในที่สุด เปรียบเทียบคำนามสองภาษา ลักษณนาม k-NN และหลายตัวแปร Gaussian กระจาย ผลของการทดลองแสดงว่าเครื่องจักรคุณสมบัติเสียงสัมประสิทธิ์ความถี่ cepstral (FCC) ควรจะแยก โดยใช้องค์ประกอบกรองเชิงเส้น และประมวลผล ด้วยอัลกอริทึมการรู้ตามหลายตัวแปรการกระจาย Gaussian

ผลลัพธ์ (ไทย) 2:

ความจำเป็นในการรับรู้ที่เหมาะสมของเครื่องจักรและอุปกรณ์ที่แตกต่างกันขึ้นอยู่กับเสียงที่พวกเขาสร้างเป็นปัจจุบันอย่างต่อเนื่องและจะเพิ่มขึ้นในอนาคต แรงจูงใจหลักสำหรับการเลือกปฏิบัติระหว่างชนิดที่แตกต่างกันของเสียงเครื่องจักรคือการพัฒนาอัลกอริทึมที่สามารถนำมาใช้ไม่เพียง แต่สำหรับการตรวจสอบคุณภาพขั้นสุดท้าย แต่สำหรับการตรวจสอบของสายการผลิตทั้งหมด วัตถุประสงค์ของการศึกษาของเราคือการรับรู้การดำเนินงานของแต่ละเครื่องในห้องโถงผลิตที่ระดับเสียงรบกวนอยู่ในระดับสูงและการเปลี่ยนแปลงตลอดเวลา แผนทดลองได้รับการออกแบบและดำเนินการเพื่อยืนยันสมมติฐานที่เสนอว่าขั้นตอนวิธีการรู้จำเสียงพูดอัตโนมัติสามารถนำไปใช้กับการรับรู้ของเครื่องโดยอัตโนมัติ การออกแบบขั้นตอนการรับรู้เครื่องอัตโนมัติที่ใช้ในการศึกษาของเราแบ่งออกเป็นสามขั้นตอน: การสกัดคุณลักษณะการฝึกอบรมและการรับรู้ (จำแนกประเภท) นอกจากนี้ขั้นตอนการแบบดั้งเดิมเมลความถี่ค่าสัมประสิทธิ์ Cepstral (MFCC) คือการปรับเสียงเครื่องจักรโดยใช้องค์ประกอบกรองที่แตกต่างกัน ในที่สุดทั้งสองลักษณนามถูกเมื่อเทียบกับลักษณนาม K-NN และเสียนกระจายหลายตัวแปร ผลการทดลองแสดงให้เห็นว่าเสียงเครื่องจักรมีความถี่ค่าสัมประสิทธิ์ Cepstral (FCC) ควรจะสกัดโดยใช้องค์ประกอบกรองเชิงเส้นและการประมวลผลด้วยขั้นตอนวิธีการรับรู้บนพื้นฐานของการเสียนกระจายหลายตัวแปร

ผลลัพธ์ (ไทย) 3:

เป็นสิ่งจำเป็นสำหรับการรับรู้ของเครื่องจักรและอุปกรณ์ที่เหมาะสมที่แตกต่างกันขึ้นอยู่กับเสียงที่พวกเขาสร้างอยู่ในปัจจุบัน และจะเพิ่มมากขึ้นในอนาคต แรงจูงใจหลักสำหรับการเลือกปฏิบัติระหว่างประเภทที่แตกต่างกันของเสียงเครื่องจักรเพื่อพัฒนาอัลกอริทึมที่สามารถใช้ไม่เพียง แต่สำหรับการตรวจสอบคุณภาพขั้นสุดท้ายสำหรับการตรวจสอบของสายการผลิตทั้งหมด วัตถุประสงค์ของการศึกษาของเราคือการรับรู้การใช้เครื่องจักรในการผลิตแต่ละห้องที่ระดับพื้นหลังเสียงสูง และเปลี่ยนแปลงตลอดเวลา แผนการทดลองที่ออกแบบและดำเนินการเพื่อยืนยันสมมติฐานที่เสนอว่าขั้นตอนวิธีการรู้จำเสียงพูดอัตโนมัติสามารถใช้กับการยอมรับเครื่องอัตโนมัติ การออกแบบของเครื่องอัตโนมัติ การรับรู้ กระบวนการที่ใช้ในการศึกษาแบ่งเป็น 3 ขั้นตอนการสกัด , การฝึกอบรมคุณลักษณะและการยอมรับ ( หมวดหมู่ ) นอกจากนี้ ความถี่สัญญาณเซปส์ตรัมเมลแบบสัมประสิทธิ์ ( ค่า ) วิธีการปรับเสียงเครื่องจักร โดยใช้องค์ประกอบตัวกรองที่แตกต่างกัน ในที่สุด สอง คำลักษณนามที่ k-nn เปรียบเทียบและการแจกแจงแบบปกติหลายตัวแปร ผลการทดลองแสดงให้เห็นว่าความถี่ของสัญญาณเซปส์ตรัมเสียงเครื่องจักรคุณสมบัติค่าสัมประสิทธิ์ ( FCC ) ควรจะสกัดโดยใช้องค์ประกอบกรองโดยตรง และการประมวลผล ด้วยขั้นตอนวิธีการรับรู้ตามการแจกแจงแบบปกติหลายตัวแปร