26.05.2024

Entdecken Sie unsere Forschung: "Context-Aware Acoustic Signal Processing"

zu Aktuelles
Ensemble-Netzwerkstruktur mit Trainingsdaten

Ensemble-Netzwerkstruktur mit Trainingsdaten

Tauchen Sie ein in die Welt der Deep-Learning-basierten akustischen Signalverarbeitung!

Wir freuen uns, die Forschungsarbeit mit dem Titel "Context-Aware Acoustic Signal Processing" vorstellen zu können, die in enger Kooperation und im Rahmen einer Promotion mit der Université de Haute Alsace in Frankreich hervor gegangen ist [1]. Diese Veröffentlichung ist zudem ein Ergebnis des DIDEM-Projekts [2].

Die Studie unterstreicht die zunehmende Bedeutung von Kontextinformationen für Vorhersagen, die von KI-Systemen getroffen werden. Durch die Integration von Kontext in ein KI-System können detailliertere, präzisere und wertvollere Ergebnisse erzielt werden, da die Möglichkeit erschaffen wird benutzer- oder domänenspezifische Informationen in das Wissen eines Systems einfließen zu lassen.

Ein zentraler Aspekt der vorgestellten Methodik ist die Verwendung von Ensemble Neural Networks, um Kontext in ein Deep Learning-System zu integrieren. Diese Architektur teilt ein großes neuronales Netzwerk in mehrere kleinere auf, die als Ensemble agieren, um gemeinsam präzisere Vorhersagen treffen können.

Die Forschung konzentrierte sich auf die akustische Überwachung von Maschinengeräuschen, als Beispielanwendung. In industriellen Umgebungen kann ein unvorhergesehener Maschinenausfall zu erheblichen Kosten und Produktionsverzögerungen führen. Um diese Herausforderung anzugehen, präsentiert die Studie einen KI-basierten Ansatz zur audiobasierten Signalerkennung, um festzustellen, welche Maschine auf dem Produktionsboden läuft und ob sie steht oder in Betrieb ist.

Eine Besonderheit der Studie besteht darin, dass die Maschinensignale mithilfe von bildgebenden Verfahren analysiert werden. Dazu wurden die Signaldaten übereinandergelegt, in verschiedene Klassen eingeteilt und anschließend in Mel-Spektrogramme transformiert. Diese wurden wiederum als Eingabedaten für ein Ensemble aus Convolutional Neural Networks verwendet. Ein Beispiel der für das Training der Neuronalen Netze vorhandenen Daten ist ebenfalls in der Abbildung zu sehen.

Insgesamt zeigt die Veröffentlichung von "Context-Aware Acoustic Signal Processing" das enorme Potenzial von Kontextuellen KI-Systemen, insbesondere im Bereich der Signalverarbeitung und Industrieüberwachung auf. Wir sind stolz darauf, diese Arbeit in Kooperation mit der Université de Haute Alsace durchgeführt zu haben und freuen uns auf weitere Zusammenarbeit in der Zukunft.

Um tiefer in unsere Forschung einzutauchen steht die vollständige Publikation unter folgendem Link zur Verfügung: doi.org/10.1016/j.procs.2023.10.095

[1] www.hs-furtwangen.de/zukunft-erleben/aktuelles/detail/397-phd-meeting-mit-franzoesischem-partner
[2] ext.mensch-technik-teilhabe.de/didem/