发布日期:2025-01-14 分类:新闻与公告浏览:509来源:珠海欧森斯传感技术有限公司
近日,欧森斯作为飞桨技术生态伙伴,获得“飞桨技术生态优选级伙伴证书”。双方将共同携手在场景、技术、应用、品牌等方面联动,提升企业价值,共同强化区域产业优势。
飞桨(PaddlePaddle)是百度自主研发的开源开放、功能丰富的产业级深度学习平台,以百度多年的深度学习技术研究和业务应用为基础,旨在助力开发者快速实现AI想法、创新AI应用,并推动产业智能化升级。
异音检测在工业检测领域中占据举足轻重的地位,迫切需要人工智能技术的加持。以往,传统的异音检测算法主要依赖于频率、幅度等参数进行识别,但在面对具有细微差异的工业品时,其检测准确率始终难以提升。因此,长期以来,这一领域高度依赖人工检测,进而催生了“工业金耳朵”这一职业。
欧森斯深耕测试领域多年,一直在为客户寻求更优的解决方案。在这次金耳朵异音检测项目中,欧森斯通过采集电机的异音,集成自主研发的硬件设备,基于飞桨PaddlePaddle的框架,再通过CNN14预训练模型,生成了异音检测模型,此异音检测模型,做到了能够自动识别并区分正常声音与异常声音,有效解决了传统人工检测效率低、成本高、主观性强的问题,显著提升了产品质量和生产效率,检测良率达到98%以上。
硬件优势:
欧森斯拥有自主研发的硬件设备,包括高精度声音采集设备和稳定的计算平台,确保声音数据的准确性和实时性。
系统整合:
提供从声音采集、预处理、模型分析到结果输出的全流程解决方案,系统整合度高,易于部署和维护。
AI算法:
基于飞桨的PaddlePaddle框架和CNN14,实现异音检测的高准确率和低误判率。
定制化服务:
支持根据客户需求进行定制化开发,满足不同行业和产品的异音检测需求。
缺点说明:
1.机器学习方法过拟合严重。
2.单纯用卷积神经网络特征点提取有限,良率不高,同等数据集良率在75%左右。
技术说明:
包括采用LogMelSpectrogram提取特征,但不限于梅尔频谱。
采用CNN但是网络层修改到14层,包含12个卷积层和2个全连接层。
对于数据集进行一定的处理,采用CrossEntropyLoss来计算损失函数而不是常规的二分类。
未来,欧森斯将与飞桨携手并进,共同推进大模型技术的产业应用落地,为企业提质增效注入强劲动力。