基于SENet和DenseNet的充填管道磨損聲音識別

摘要： 針對礦山充填管道磨損缺陷檢測存在的人工檢測困難和檢測成本高等問題，提出了一種融合SENet的密集連接卷積神經(jīng)網(wǎng)絡(luò)模型(SE＿DenseNet),可實現(xiàn)充填管道不同磨損程度的遠(yuǎn)程快速識別。首先通過完全集合經(jīng)驗?zāi)B(tài)分解(CEEMDAN),對與原信號相關(guān)性較高的分量進(jìn)行重構(gòu)；之后，使用短時傅里葉變換，形成聲譜圖；將聲信號識別問題轉(zhuǎn)化為圖像識別問題；并將聲譜圖輸入到DenseNet網(wǎng)絡(luò)...