使用智能手机检测爆炸:与智能手机高爆炸性音频录音数据集和ESC-50数据集一起学习
Samuel K Takazawa1, Sarah K Popenhagen1, Luis A Ocampo Giraldo2
1Infrasound Laboratory, Hawai'i Institute of Geophysics and Planetology, School of Ocean and Earth Science and Technology, University of Hawai'i at Mānoa, Kailua-Kona, HI 96740, USA.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
这项研究建议使用智能手机麦克风进行经济高效的爆炸检测. 一个整体机器学习模型在分类爆炸,环境声音和其他音频信号方面取得了超过96%的准确性.
科学领域:
- 地质物理学 地质物理学
- 声学 声学 在声学方面
- 机器学习 机器学习
背景情况:
- 全球爆炸监测依赖于超声波和地震声波网络,这些网络分布稀疏,维护成本昂贵.
- 越来越多的兴趣在检测较小的爆炸需要更密集的传感器网络,特别是在局部规模.
研究的目的:
- 调查使用智能手机传感器进行经济高效和可访问的爆炸检测的可行性.
- 开发和评估一种机器学习模型,使用智能手机音频数据对爆炸事件进行分类.
主要方法:
- 使用智能手机高爆炸性音频录音数据集 (SHAReD) 和ESC-50数据集进行培训.
- 开发并将两个机器学习模型组合成一个音频信号分类的合奏模型.
- 将音频信号分为"爆炸"",环境"或"其他"类别.
主要成果:
- 整体机器学习模型在爆炸检测方面表现出高性能.
- 在所有三个分类类别 (爆炸,环境和其他类别) 中,实现了超过96%的真实阳性率 (召回).
- 验证了智能手机麦克风作为爆炸监测可行的传感器的有效性.
结论:
- 智能手机传感器为增强爆炸检测能力提供了一个有希望的,具有成本效益的解决方案.
- 开发的整体模型显示了在爆炸监测网络中实际应用的巨大潜力.
- 在这个新兴领域的进一步技术发展可以提高爆炸检测系统的密度和有效性.
