Сеть предварительно обучена с помощью набора данных, который содержит записи от воздушных компрессоров. Набор данных классифицируется в одно здоровое состояние и семь дефектных состояний для в общей сложности восьми классов. Для получения дополнительной информации об обучении смотрите, что Передача обучения Использует YAMNet.

Чтобы загрузить эту предварительно обученную сеть и набор воздушных звуков компрессора, чтобы обнаружить, запустите следующие команды. Эти команды загружают и разархивировали файлы к местоположению на пути MATLAB®. airCompressorNet.mat хранилища файлов предварительно обученная сеть.

url = 'https://ssd.mathworks.com/supportfiles/audio/YAMNetTransferLearning.zip';
AirCompressorLocation = tempdir;
dataFolder = fullfile(AirCompressorLocation,'YAMNetTransferLearning');

if ~exist(dataFolder,'dir')
    disp('Downloading pretrained network ...')
    unzip(url,AirCompressorLocation)
end
addpath(fullfile(AirCompressorLocation,'YAMNetTransferLearning'))

Откройте detectsound.slx модель. Нажмите Select Compressor State блок. Тип по умолчанию звука установлен в 'Bearing'. Модель содержит блок YAMNet Preprocess, сопровождаемый блоком Image Classifier (Deep Learning Toolbox).

Запустите модель. Блок YAMNet Preprocess генерирует 96 64 измеренные mel спектрограммы от входного аудио. Блок Image Classifier использует airCompressorNet.mat файл и классифицирует сигнал в один из этих восьми классов, на которых обучена модель. Метка предсказанного класса отображена с помощью блока Display. Осциллограф показывает счет предсказанного класса и других классов.

open_system("detectsound.slx")
sim("detectsound.slx")

Во время симуляции можно изменить входной звук путем двойного щелчка по Select Compressor State блокируйтесь и выбор типа звука в выпадающем меню.

Выберите 'Healthy' в то время как симуляция запускается. Блок Display обновляет предсказанную метку, и блок Scope показывает новые баллы.