공장에서 시설 진단을 자동화하기 위해 사운드를 통해 운영 조건을 인식하는 AI 기술 개발

국제 음향 인식 경쟁에서 인식 정확도로 1 위를 차지합니다

 카지노사이트. (Higachi라고 불리는 Higashihara Toshiaki / Highinafter)는 주변 소음의 영향을받지 않고 사운드를 기반으로 높은 정확도를 가진 상황을 인식 할 수있는 AI 기술을 개발했습니다. 이 기술은 주변 환경 (이하 환경 사운드라고 함)에서 생성 된 다양한 사운드와 같은 소음과 주변 물체와 사람 (이하 에코 사운드라고 함)에서 튀어 오르는 소리 (이하 사운드 사운드라고 함)와 음색의 방향과 톤의 차이를 기반으로하는 사운드를 기반으로 한 여러 관점을 기반으로하는 소리를 포함하는 소리를 분해합니다. 이를 통해 장비의 운영 상태와 사람의 활동 상태를 고분하게 인식 할 수 있습니다. 앞으로 우리는 기능을 더욱 향상시키기 위해 노력하고 경험이 풍부한 사람들의 경험에 의존하지 않고 공장과 같은 다양한 장비로 둘러싸인 환경에 적용 할 수있는 사운드 기반 자동 장비 진단을 목표로 삼을 것입니다.

  스마트 공장을 실현하기 위해 IoT는 공장에서 진행 중이며 센서 및 기타 장치는 장비 유지 관리 및 검사에 사용되기 시작했습니다. 반면, 센서를 사용하지 않는 사운드를 사용하여 장비를 검사 할 때, 전통적으로 숙련 된 사람들이 사운드를 듣고 경험을 바탕으로 장비의 작동 상태를 진단하는 것이 일반적이지만 숙련 된 사람들이 부족하기 때문에 자동 진단 서비스의 필요성이 증가하고 있습니다. 그러나 공장 내부와 같은 다양한 시설로 둘러싸인 환경에서는 주변 사운드 및 반향 사운드와 같은 다양한 유형의 소음으로 인해 사운드를 기반으로 상황을 정확하게 인식하기가 어렵 기 때문에 장비의 작동 상태를 정확하게 파악하기가 어렵습니다.

  따라서 Hitachi는 다양한 관점에서 사운드를 분해하여 높은 정확도로 상황을 인식 할 수있는 AI 기술을 개발했습니다. 이 기술에서 사운드는 먼저 여러 마이크로 녹음되며, 마이크 사이의 시차로부터 추정 된 음원의 방향과 톤 차이에서 추론 된 에코 사운드인지 여부와 같은 여러 관점에 따라 소음과 혼합 된 사운드가 분해됩니다. 또한 다중 깊은 신경망 (DNN)*1장비, 사람 등의 상황과 일치하는 확률 (확률)을 계산하십시오. 마지막으로, 전반적인 상황 인식 결과는 계산 결과에 대한 다수의 투표에 의해 생산됩니다. 각 DNN이 가진 하나의 관점에만 의존한다면 소음에 의해 영향을받을 가능성이 있지만 여러 DNN에 대한 다수의 투표 결과를 확인함으로써 소음의 영향을받을 가능성이 줄어 듭니다. 이를 통해 많은 유형의 노이즈가있는 환경에서도 고정밀 상황 인식이 가능합니다.

 이번에는 Hitachi가 IEEE AASP TC를 만들 것입니다*2*32018 Challenge 's Task 5*4*5를 얻었습니다 이 기술의 효과를 확인했습니다.

  이 기술은 사운드를 기반으로 장비 상태를 자동으로 진단하는 서비스와 사람들의 활동 상태를 자동으로 인식하는 모니터링 서비스에 적용될 것으로 예상됩니다. 앞으로 Hitachi는 기능적 개선 및 기타 기능을 계속 개발 하고이 기술을 실질적으로 사용하는 것을 목표로 할 것입니다.

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   

여러 DNNS를 사용한 다양한 관점에서의 건전한 분해 및 포괄적 인 판단에 기초한 상황 인식 과정

*1

DNN (Deep Neural Network) : 뇌의 신경 회로를 시뮬레이션하는 요소 네트워크 (뉴런)의 다층 (Deep) 구조

*2

IEEE AASP TC : IEEE 오디오 및 음향 신호 처리 기술위원회

*3

dcase : 음향 장면 및 이벤트의 탐지 및 분류. DCase 2018 챌린지는 2018 년 4 월에 개최됩니다

*4

과제 5 : 집에 설치된 여러 마이크를 사용하여 녹음 된 사운드 데이터에서 "요리", "식사", "작업", "대화"또는 "TV 시청"과 같은 9 가지 범주의 일상 활동의 상황을 인식하는 작업. 12 개의 팀과 34 개의 시스템이 참여했습니다.

*5

Eval. 설정 (알 수없는 마이크) = 학습 할 때와 다른 마이크 위치에서 식별 정확도에 대한 점수.

연락처 정보

카지노사이트. 연구 및 개발 그룹

위