【技術實現步驟摘要】
本申請涉及智能管理領域，且更為具體地，涉及一種基于在線監測數據的企業未落實停產措施核查方法及系統。
技術介紹
1、企業未落實停產措施核查指的是在特定情況下，如重污染天氣預警期間，相關監管機構對企業是否執行了應急減排措施進行的檢查。如若企業不遵守這些規定，可能會對公共健康構成風險，并承擔相應的法律后果。這種核查是環境管理中的一項重要措施，旨在確保企業在面臨環境風險時采取適當的應對措施，以減少對環境的影響并保護公眾健康，同時在恢復生產時能夠保持產品和服務的質量標準。
2、然而，傳統對企業是否落實停產措施通常依賴于人工進行核查和監督，這容易受到人為因素的影響，如主管的主觀判斷、員工的疏忽等，導致出現漏查漏報等情況，從而影響核查結果的準確性和可靠性。并且，傳統方法通常需要耗費大量人力和時間進行核查和監督，效率較低，不利于企業快速響應和處理問題。
3、因此，期望一種基于在線監測數據的企業未落實停產措施核查方法。
技術實現思路
1、為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于在線監測數據的企業未落實停產措施核查方法及系統，其通過由第一聲音傳感器實時采集的環境聲信號以及由第二聲音傳感器實時采集的被監控企業對象附近聲信號，并利用基于深度學習神經網絡的信號處理和分析算法來對所述環境聲信號和所述被監控企業對象附近聲信號進行時頻特征分析，以此基于濾除環境聲的附近聲信號時頻特征來智能地判斷監控企業對象是否未落實停產措施。通過該方式，可以在線監測被監控企業的聲音信
2、根據本申請的一方面，提供了一種基于在線監測數據的企業未落實停產措施核查方法，其包括：
3、獲取由第一聲音傳感器采集的環境聲信號以及由第二聲音傳感器采集的被監控企業對象附近聲信號；
4、對所述被監控企業對象附近聲信號和所述環境聲信號進行小波變換以得到附近聲信號時頻圖像和環境聲信號時頻圖像；
5、對所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別進行聲信號時頻特征提取以得到附近聲信號時頻特征矩陣和環境聲信號時頻特征矩陣；
6、計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的差分以得到環境聲濾除附近聲信號時頻特征矩陣；
7、將所述環境聲濾除附近聲信號時頻特征矩陣通過基于類前景注意力機制的重要成分顯著化模塊以得到顯著化環境聲濾除附近聲信號時頻特征矩陣作為顯著化環境聲濾除附近聲信號時頻特征；
8、基于所述顯著化環境聲濾除附近聲信號時頻特征，得到稽查結果。
9、在上述基于在線監測數據的企業未落實停產措施核查方法中，對所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別進行聲信號時頻特征提取以得到附近聲信號時頻特征矩陣和環境聲信號時頻特征矩陣，包括：將所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別通過基于googlenet模型的聲信號時頻特征提取器以得到所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣。
10、在上述基于在線監測數據的企業未落實停產措施核查方法中，計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的差分以得到環境聲濾除附近聲信號時頻特征矩陣，包括：計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的按位置差分以得到所述環境聲濾除附近聲信號時頻特征矩陣。
11、在上述基于在線監測數據的企業未落實停產措施核查方法中，將所述環境聲濾除附近聲信號時頻特征矩陣通過基于類前景注意力機制的重要成分顯著化模塊以得到顯著化環境聲濾除附近聲信號時頻特征矩陣作為顯著化環境聲濾除附近聲信號時頻特征，包括：對所述環境聲濾除附近聲信號時頻特征矩陣進行特征表征以得到環境聲濾除附近聲信號時頻表征矩陣；將所述環境聲濾除附近聲信號時頻表征矩陣進行掩碼化處理以得到環境聲濾除附近聲信號時頻掩碼權重矩陣；以及，將所述環境聲濾除附近聲信號時頻掩碼權重矩陣和所述環境聲濾除附近聲信號時頻特征矩陣進行按位置點乘以得到所述顯著化環境聲濾除附近聲信號時頻特征矩陣。
12、在上述基于在線監測數據的企業未落實停產措施核查方法中，對所述環境聲濾除附近聲信號時頻特征矩陣進行特征表征以得到環境聲濾除附近聲信號時頻表征矩陣，包括：以所述環境聲濾除附近聲信號時頻特征矩陣的各個位置特征值的負數作為自然常數的指數以計算按位置的以自然常數為底的指數函數值以得到環境聲濾除附近聲信號時頻類支持特征矩陣；以及，計算所述環境聲濾除附近聲信號時頻類支持特征矩陣中各個位置特征值與常數一之和的倒數以得到所述環境聲濾除附近聲信號時頻表征矩陣。
13、在上述基于在線監測數據的企業未落實停產措施核查方法中，將所述環境聲濾除附近聲信號時頻表征矩陣進行掩碼化處理以得到環境聲濾除附近聲信號時頻掩碼權重矩陣，包括：將所述環境聲濾除附近聲信號時頻表征矩陣的各個位置中大于或等于預定閾值的特征值設為一，其余設為零以得到所述環境聲濾除附近聲信號時頻掩碼權重矩陣。
14、在上述基于在線監測數據的企業未落實停產措施核查方法中，基于所述顯著化環境聲濾除附近聲信號時頻特征，得到稽查結果，包括：將所述顯著化環境聲濾除附近聲信號時頻特征矩陣通過基于分類器的稽查器以得到稽查結果，所述稽查結果用于表示被監控企業對象是否未落實停產措施。
15、在上述基于在線監測數據的企業未落實停產措施核查方法中還包括用于對所述基于googlenet模型的聲信號時頻特征提取器、所述基于類前景注意力機制的重要成分顯著化模塊和所述基于分類器的稽查器進行訓練。
16、在上述基于在線監測數據的企業未落實停產措施核查方法中，所述訓練步驟，包括：獲取訓練數據，所述訓練數據包括由第一聲音傳感器采集的訓練環境聲信號以及由第二聲音傳感器采集的被監控企業對象訓練附近聲信號，以及，所述被監控企業對戲是否未落實停產措施的真實值；對所述被監控企業對象訓練附近聲信號和所述訓練環境聲信號進行小波變換以得到訓練附近聲信號時頻圖像和訓練環境聲信號時頻圖像；將所述訓練附近聲信號時頻圖像和所述訓練環境聲信號時頻圖像分別通過所述基于googlenet模型的聲信號時頻特征提取器以得到訓練附近聲信號時頻特征矩陣和訓練環境聲信號時頻特征矩陣；計算所述訓練附近聲信號時頻特征矩陣和所述訓練環境聲信號時頻特征矩陣之間的按位置差分以得到訓練環境聲濾除附近聲信號時頻特征矩陣；將所述訓練環境聲濾除附近聲信號時頻特征矩陣通過所述基于類前景注意力機制的重要成分顯著化模塊以得到訓練顯著化環境聲濾除附近聲信號時頻特征矩陣；將所述訓練顯著化環境聲濾除附近聲信號時頻特征矩陣通過所述基于分類器的稽查器以得到分類損失函數值；以及，基于所述分類損失函數值并通過梯度下降的反向傳播來對所述基于googlenet模型的聲信號時頻特征提取器、所述基于類前景注意力機制的重要成分顯著化模塊和所述基于分類器的稽查器進行訓練。
<本文檔來自技高網...【技術保護點】
1.一種基于在線監測數據的企業未落實停產措施核查方法，其特征在于，包括：
2.根據權利要求1所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，對所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別進行聲信號時頻特征提取以得到附近聲信號時頻特征矩陣和環境聲信號時頻特征矩陣，包括：將所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別通過基于GoogLeNet模型的聲信號時頻特征提取器以得到所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣。
3.根據權利要求2所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的差分以得到環境聲濾除附近聲信號時頻特征矩陣，包括：計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的按位置差分以得到所述環境聲濾除附近聲信號時頻特征矩陣。
4.根據權利要求3所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，將所述環境聲濾除附近聲信號時頻特征矩陣通過基于類前景注意力機制的重要成分顯著化模塊以得到顯著化環境聲濾
5.根據權利要求4所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，對所述環境聲濾除附近聲信號時頻特征矩陣進行特征表征以得到環境聲濾除附近聲信號時頻表征矩陣，包括：
6.根據權利要求5所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，將所述環境聲濾除附近聲信號時頻表征矩陣進行掩碼化處理以得到環境聲濾除附近聲信號時頻掩碼權重矩陣，包括：將所述環境聲濾除附近聲信號時頻表征矩陣的各個位置中大于或等于預定閾值的特征值設為一，其余設為零以得到所述環境聲濾除附近聲信號時頻掩碼權重矩陣。
7.根據權利要求6所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，基于所述顯著化環境聲濾除附近聲信號時頻特征，得到稽查結果，包括：將所述顯著化環境聲濾除附近聲信號時頻特征矩陣通過基于分類器的稽查器以得到稽查結果，所述稽查結果用于表示被監控企業對象是否未落實停產措施。
8.根據權利要求7所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，還包括用于對所述基于GoogLeNet模型的聲信號時頻特征提取器、所述基于類前景注意力機制的重要成分顯著化模塊和所述基于分類器的稽查器進行訓練。
9.根據權利要求8所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，所述訓練步驟，包括：
10.一種基于在線監測數據的企業未落實停產措施核查系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于在線監測數據的企業未落實停產措施核查方法，其特征在于，包括：
2.根據權利要求1所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，對所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別進行聲信號時頻特征提取以得到附近聲信號時頻特征矩陣和環境聲信號時頻特征矩陣，包括：將所述附近聲信號時頻圖像和所述環境聲信號時頻圖像分別通過基于googlenet模型的聲信號時頻特征提取器以得到所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣。
3.根據權利要求2所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的差分以得到環境聲濾除附近聲信號時頻特征矩陣，包括：計算所述附近聲信號時頻特征矩陣和所述環境聲信號時頻特征矩陣之間的按位置差分以得到所述環境聲濾除附近聲信號時頻特征矩陣。
4.根據權利要求3所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，將所述環境聲濾除附近聲信號時頻特征矩陣通過基于類前景注意力機制的重要成分顯著化模塊以得到顯著化環境聲濾除附近聲信號時頻特征矩陣作為顯著化環境聲濾除附近聲信號時頻特征，包括：
5.根據權利要求4所述的基于在線監測數據的企業未落實停產措施核查方法，其特征在于，對所述環...
【專利技術屬性】
技術研發人員：王成，謝德援，賈惜春，杜謹紅，張辰，郭鳳艷，李建，彭思怡，賀涵，
申請(專利權)人：中國環境科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。