利用分贝采集的发动机识别系统的制作方法

阅读：评论：0

1.本发明涉及视频识别领域，尤其涉及一种利用分贝采集的发动机识别系统。

背景技术：

2.到了21世纪特别是近两三年，随着网络带宽、计算机处理能力和存储器容量的迅速提高，以及各种实用视频信息处理技术的出现，视频监控进入了全数字化的网络时代，称为第三代视频监控系统，即全数字视频监控系统或网络数字视频监控。第三代视频监控系统以网络为依托，以数字视频的压缩、传输、存储和播放为核心，以智能实用的图像分析为特，引发了视频监控行业的技术革命。
3.随着高性能dsp的出现，由嵌入式处理器来实时完成高速、大数据量的视频/音频编解码处理成为可能，结合网络通讯技术，使集可编程图像/声音编解码、本地存储、网络传输和自动化技术为一体的嵌入式数字视频监控系统应运而生。以dsp为核心的嵌入式数字视频监控系统，配合嵌入式实时操作系统，可以以应用为中心，根据应用对功能、可靠性、稳定性、成本、体积等的综合要求，对软/硬件进行裁剪，以满足视频监控发展的两大需要：数字化和网络化。
4.当前，在对车辆进行包括年检等检测操作时，为了防止车主私自改装发动机，需要对每一辆车的发动机进行接触式操作，以辨识车辆装载的发动机类型，显然，这种检测模式需要较多的操作环节，同时过于依赖人工操作和人工经验，实施起来费时费力。

技术实现要素：

5.为了解决现有技术中的技术问题，本发明提供了一种利用分贝采集的发动机识别系统，能够引入针对性训练后的前馈神经网络模型以基于现场采集到的分时分贝数据执行对发动机的类型的智能化识别，从而为车检运营方提供非接触式的发动机的类型检测模式。
6.为此，本发明至少需要具备以下几处关键的发明点：
7.(1)采用训练后的前馈神经网络模型以基于现场采集到的分时分贝数据对现场运行的发动机的类型进行智能化识别；
8.(2)采用针对性训练设备对前馈神经网络模型进行训练，用于针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型。
9.根据本发明的一方面，提供了一种利用分贝采集的发动机识别系统，所述系统包括：
10.即时测听机构，设置在发动机的附近且到达发动机的距离等于预设距离阈值，用于对运行状态下的发动机执行分贝采集动作，以获得固定数量的多个采集时间点分别对应的多个采集分贝数值。
11.更具体地，在所述利用分贝采集的发动机识别系统中：
12.所述即时测听机构包括测听设备和测距设备，所述测距设备用于测量所述即时测听机构到所述发动机的实时距离，以在所述实时距离等于预设距离阈值时，发出第一操作指令。
13.更具体地，在所述利用分贝采集的发动机识别系统中：
14.所述测距设备还用于在所述实时距离小于等于所述预设距离阈值时，发出第二操作指令。
15.更具体地，在所述利用分贝采集的发动机识别系统中：
16.所述即时测听机构还包括无线通信接口，用于与状态解析机构的无线通信设备连接，用于从所述无线通信设备接收第三操作指令或者第四操作指令。
17.更具体地，在所述利用分贝采集的发动机识别系统中，所述系统还包括：
18.状态解析机构，与所述发动机连接，用于在检测到所述发动机处于运行状态时，通过内置的无线通信设备无线发送第三操作指令，还用于在检测到所述发动机处于非运行状态时，通过内置的无线通信设备无线发送第四操作指令；
19.所述测听设备分别与所述测距设备和所述无线通信接口连接，用于在接收到所述第一操作指令且接收到所述第三操作指令时，启动对发动机的分贝采集动作；
20.所述测听设备还用于在接收到所述第二操作指令或者接收到所述第四操作指令时，停止对发动机的分贝采集动作；
21.类型判断设备，运行训练后的前馈神经网络模型以获得发动机的类型，所述发动机的类型包括汽油发动机、柴油发动机、电动发动机以及其他发动机；
22.针对性训练设备，与所述类型判断设备连接，用于针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型，并将所述训练后的前馈神经网络模型的各个模型参数发送给所述类型判断设备；
23.其中，所述类型判断设备在接收到的所述训练后的前馈神经网络模型的各个模型参数后，基于所述训练后的前馈神经网络模型的各个模型参数重建训练后的前馈神经网络模型；
24.其中，运行训练后的前馈神经网络模型以获得发动机的类型包括：将多个采集分贝数值作为训练后的前馈神经网络模型的输入数据，将发动机的类型作为训练后的前馈神经网络模型的输出数据，以运行训练后的前馈神经网络模型并获得发动机的类型；
25.其中，针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以汽油发动机作为前馈神经网络模型的输出数据，以汽油发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。
26.本发明的利用分贝采集的发动机识别系统操作智能、方便控制。由于能够采用人工智能模式基于现场采集到的分时分贝数据执行对发动机的类型的智能化识别，从而为车检操作提供自动化解决方案。
附图说明
27.以下将结合附图对本发明的实施方案进行描述，其中：
28.图1为根据本发明实施方案示出的利用分贝采集的发动机识别系统的即时测听机构测听的分贝数值分布示意图。
具体实施方式
29.下面将参照附图对本发明的利用分贝采集的发动机识别系统的实施方案进行详细说明。
30.发动机(engine)是一种能够把其它形式的能转化为机械能的机器，包括如内燃机(往复活塞式发动机)、外燃机(斯特林发动机、蒸汽机等)、喷气发动机、电动机等。如内燃机通常是把化学能转化为机械能。发动机既适用于动力发生装置，也可指包括动力装置的整个机器(如：汽油发动机、航空发动机)。发动机最早诞生在英国，所以，发动机的概念也源于英语，它的本义是指那种“产生动力的机械装置”。
31.外燃机，就是说它的燃料在发动机的外部燃烧，1816年由苏格兰的r.斯特林所发明，故又称斯特林发动机。发动机将这种燃烧产生的热能转化成动能，瓦特改良的蒸汽机就是一种典型的外燃机，当大量的煤燃烧产生热能把水加热成大量的水蒸汽时，高压便产生了，然后这种高压又推动机械做功，从而完成了热能向动能的转变。内燃机即往复活塞式发动机，这一类型的发动机与外燃机的最大不同在于它的燃料在其内部燃烧。内燃机的种类十分繁多，常见的汽油机、柴油机是典型的内燃机。
32.当前，在对车辆进行包括年检等检测操作时，为了防止车主私自改装发动机，需要对每一辆车的发动机进行接触式操作，以辨识车辆装载的发动机类型，显然，这种检测模式需要较多的操作环节，同时过于依赖人工操作和人工经验，实施起来费时费力。
33.为了克服上述不足，本发明搭建了一种利用分贝采集的发动机识别系统，能够有效解决相应的技术问题。
34.根据本发明实施方案示出的利用分贝采集的发动机识别系统包括：
35.即时测听机构，设置在发动机的附近且到达发动机的距离等于预设距离阈值，用于对运行状态下的发动机执行分贝采集动作，以获得固定数量的多个采集时间点分别对应的多个采集分贝数值；
36.图1给出了本发明实施方案示出的利用分贝采集的发动机识别系统的即时测听机构测听的分贝数值分布示意图。
37.接着，继续对本发明的利用分贝采集的发动机识别系统的具体结构进行进一步的说明。
38.所述利用分贝采集的发动机识别系统中：
39.所述即时测听机构包括测听设备和测距设备，所述测距设备用于测量所述即时测听机构到所述发动机的实时距离，以在所述实时距离等于预设距离阈值时，发出第一操作指令。
40.所述利用分贝采集的发动机识别系统中：
41.所述测距设备还用于在所述实时距离小于等于所述预设距离阈值时，发出第二操作指令。
42.所述利用分贝采集的发动机识别系统中：
43.所述即时测听机构还包括无线通信接口，用于与状态解析机构的无线通信设备连接，用于从所述无线通信设备接收第三操作指令或者第四操作指令。
44.所述利用分贝采集的发动机识别系统中还可以包括：
45.状态解析机构，与所述发动机连接，用于在检测到所述发动机处于运行状态时，通过内置的无线通信设备无线发送第三操作指令，还用于在检测到所述发动机处于非运行状态时，通过内置的无线通信设备无线发送第四操作指令；
46.所述测听设备分别与所述测距设备和所述无线通信接口连接，用于在接收到所述第一操作指令且接收到所述第三操作指令时，启动对发动机的分贝采集动作；
47.所述测听设备还用于在接收到所述第二操作指令或者接收到所述第四操作指令时，停止对发动机的分贝采集动作；
48.类型判断设备，运行训练后的前馈神经网络模型以获得发动机的类型，所述发动机的类型包括汽油发动机、柴油发动机、电动发动机以及其他发动机；
49.针对性训练设备，与所述类型判断设备连接，用于针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型，并将所述训练后的前馈神经网络模型的各个模型参数发送给所述类型判断设备；
50.其中，所述类型判断设备在接收到的所述训练后的前馈神经网络模型的各个模型参数后，基于所述训练后的前馈神经网络模型的各个模型参数重建训练后的前馈神经网络模型；
51.其中，运行训练后的前馈神经网络模型以获得发动机的类型包括：将多个采集分贝数值作为训练后的前馈神经网络模型的输入数据，将发动机的类型作为训练后的前馈神经网络模型的输出数据，以运行训练后的前馈神经网络模型并获得发动机的类型；
52.其中，针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以汽油发动机作为前馈神经网络模型的输出数据，以汽油发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。
53.所述利用分贝采集的发动机识别系统中：
54.针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以柴油发动机作为前馈神经网络模型的输出数据，以柴油发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。
55.所述利用分贝采集的发动机识别系统中：
56.针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以电动发动机作为前馈神经网络模型的输出数据，以电动发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。
57.所述利用分贝采集的发动机识别系统中：
58.针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以其他发动机作为前馈神经网络模型的输出数据，以其他发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。
59.所述利用分贝采集的发动机识别系统中还可以包括：
60.同步控制接口，分别与所述状态解析机构、所述类型判断设备和所述针对性训练设备连接；
61.其中，所述同步控制接口用于实现所述状态解析机构、所述类型判断设备和所述针对性训练设备的动作的同步控制。
62.另外，汽油发动机(gasoline engine)是以汽油作为燃料，将内能转化成动能的的发动机。由于汽油粘性小，蒸发快，可以用汽油喷射系统将汽油喷入气缸，经过压缩达到一定的温度和压力后，用火花塞点燃，使气体膨胀做功。汽油机的特点是转速高、结构简单、质量轻、造价低廉、运转平稳、使用维修方便。
63.汽油机在汽车上，特别是小型汽车上大量使用。由于汽油粘性小，蒸发快，可以在气缸外部与空气形成均匀的混合气，然后将混合气吸入气缸，或用汽油喷射系统将汽油喷入气缸，使气体膨胀做功。汽油机的缺点是热效率低于柴油机，泊耗较高，点火系统比柴油机复杂，可靠性和维修的方便性也不如柴油机。由于在相同功率条件下，汽油机的尺寸与质量都较柴油机小；转矩特性好，启动和加速性能较好，运转噪声较低，制造成本较低，因而汽油机的用途很广，在飞机、汽车、快艇、赛车、小型农机、园林机械甚至航模等都大量采用。
64.如描述于此的，普通熟练的技术人员将认识到，在不背离本发明较宽范围的前提下，可以对本发明做出多种改变和修正。

技术特征：

1.一种利用分贝采集的发动机识别系统，其特征在于，所述系统包括：即时测听机构，设置在发动机的附近且到达发动机的距离等于预设距离阈值，用于对运行状态下的发动机执行分贝采集动作，以获得固定数量的多个采集时间点分别对应的多个采集分贝数值。2.如权利要求1所述的利用分贝采集的发动机识别系统，其特征在于：所述即时测听机构包括测听设备和测距设备，所述测距设备用于测量所述即时测听机构到所述发动机的实时距离，以在所述实时距离等于预设距离阈值时，发出第一操作指令。3.如权利要求2所述的利用分贝采集的发动机识别系统，其特征在于：所述测距设备还用于在所述实时距离小于等于所述预设距离阈值时，发出第二操作指令。4.如权利要求3所述的利用分贝采集的发动机识别系统，其特征在于：所述即时测听机构还包括无线通信接口，用于与状态解析机构的无线通信设备连接，用于从所述无线通信设备接收第三操作指令或者第四操作指令。5.如权利要求4所述的利用分贝采集的发动机识别系统，其特征在于，所述系统还包括：状态解析机构，与所述发动机连接，用于在检测到所述发动机处于运行状态时，通过内置的无线通信设备无线发送第三操作指令，还用于在检测到所述发动机处于非运行状态时，通过内置的无线通信设备无线发送第四操作指令；所述测听设备分别与所述测距设备和所述无线通信接口连接，用于在接收到所述第一操作指令且接收到所述第三操作指令时，启动对发动机的分贝采集动作；所述测听设备还用于在接收到所述第二操作指令或者接收到所述第四操作指令时，停止对发动机的分贝采集动作；类型判断设备，运行训练后的前馈神经网络模型以获得发动机的类型，所述发动机的类型包括汽油发动机、柴油发动机、电动发动机以及其他发动机；针对性训练设备，与所述类型判断设备连接，用于针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型，并将所述训练后的前馈神经网络模型的各个模型参数发送给所述类型判断设备；其中，所述类型判断设备在接收到的所述训练后的前馈神经网络模型的各个模型参数后，基于所述训练后的前馈神经网络模型的各个模型参数重建训练后的前馈神经网络模型；其中，运行训练后的前馈神经网络模型以获得发动机的类型包括：将多个采集分贝数值作为训练后的前馈神经网络模型的输入数据，将发动机的类型作为训练后的前馈神经网络模型的输出数据，以运行训练后的前馈神经网络模型并获得发动机的类型；其中，针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以汽油发动机作为前馈神经网络模型的输出数据，以汽油发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。6.如权利要求5所述的利用分贝采集的发动机识别系统，其特征在于：
针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以柴油发动机作为前馈神经网络模型的输出数据，以柴油发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。7.如权利要求6所述的利用分贝采集的发动机识别系统，其特征在于：针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以电动发动机作为前馈神经网络模型的输出数据，以电动发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。8.如权利要求7所述的利用分贝采集的发动机识别系统，其特征在于：针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次，以获得训练后的前馈神经网络模型包括：以其他发动机作为前馈神经网络模型的输出数据，以其他发动机运行时采集到的前馈神经网络模型的输出数据作为前馈神经网络模型的输入数据，对前馈神经网络模型进行一次训练。9.如权利要求8所述的利用分贝采集的发动机识别系统，其特征在于，所述系统还包括：同步控制接口，分别与所述状态解析机构、所述类型判断设备和所述针对性训练设备连接；其中，所述同步控制接口用于实现所述状态解析机构、所述类型判断设备和所述针对性训练设备的动作的同步控制。

技术总结

本发明涉及一种利用分贝采集的发动机识别系统，包括：即时测听机构，设置在发动机的附近且到达发动机的距离等于预设距离阈值，用于对运行状态下的发动机执行分贝采集动作，以获得固定数量的多个采集时间点分别对应的多个采集分贝数值；类型判断设备，运行训练后的前馈神经网络模型以获得发动机的类型；针对性训练设备，用于针对汽油发动机、柴油发动机、电动发动机以及其他发动机中的每一种发动机的类型对前馈神经网络模型至少训练一次。本发明的利用分贝采集的发动机识别系统操作智能、方便控制。由于能够采用人工智能模式基于现场采集到的分时分贝数据执行对发动机的类型的智能化识别，从而为车检操作提供自动化解决方案。从而为车检操作提供自动化解决方案。从而为车检操作提供自动化解决方案。