经过近3个月的角逐，近日，第六届国际权威声学场景和事件检测及分类竞赛 (Detection and Classification of Acoustic Scenes and Events, DCASE 2020)公布了赛事结果，联丰迅声环境声学感知团队再创佳绩，在多个声学挑战任务中名列前茅。其中在Task5-城市声音标记与分类赛事斩获国际第二，在今年新增的Task2-无监督的工业设备异常状态监测赛事斩获国内第二的名次。
01
Task2 无监督工业设备异常状态监测
Task2是DCASE2020今年新增的挑战任务，该任务主要目标则是在只给定正常样本的条件下实现对机械设备异常状态的准确监测。
异常声音检测（Anomalous Sound Detection）是识别目标机器设备发出的声音是正常声音还是异常声音的任务。自动检测机械故障是第四次工业革命中的一项必不可少的技术，包括基于人工智能（AI）的工厂自动化。通过监测声音来迅速检测机器异常可能对实现机械设备的自动化监控具有重要意义。
该任务的主要挑战是在仅提供正常机器声音样本作为训练数据的条件下检测未知的异常声音。在现实世界的工厂中，实际的异常声音很少发生并且高度多样化。因此，不可能有意制造和/或收集异常声音的详尽模式。这意味着我们必须检测在给定训练数据中未观察到的未知异常声音。这是工业设备的ASD与其他监督学习的DCASE任务（需要定义异常声音，例如枪声或婴儿哭泣）之间的主要区别之一。
今年参加Task2的研究机构众多，其中不乏亚马逊，三星，IBM以及英特尔等顶级研发机构和清华大学，伊利诺伊大学香槟分校，电子科技大学这样的国内外知名高校。最终联丰迅声环境声音感知团队从参赛的40多支队伍中脱颖而出，获得国内第二、国际第十八的名次，国际第一由亚马逊声学实验室摘得。
今年Task2的参赛队伍数量与质量都远超其他几个任务，可以看出目前越来越多的研发机构与企业都开始重视工业领域设备噪声的异常声音监控。联丰迅声作为国内最早开始从事环境声音检测技术（AED/ASD）的团队之一，已经取得诸多技术成果，并将该技术成功落地应用于煤炭、火电、石油等行业。
联丰迅声自主研发的工业听诊声呐已经广泛应用于煤矿、火电、石油、机器人等多个行业。
联丰迅声首次推出基于无监督异常声音检测算法的云听平台，在仅有小量正样本的条件下，即可实现对机械设备噪声状态的监控。
未来，随着工业4.0升级以及工业物联网技术、边缘运算的飞速发展，相信基于声音维度的设备状态监控将得到大规模应用。
02
Task5 城市声音分类与标记
Task-5城市分类与标记任务则是在包含音频以及录音时间地点的条件下，在10秒的声音中检测噪声污染源是否存在，这些噪声污染源分为8个粗类，23个细类别，例如引擎声、机械/非机械冲击声、电锯声、警报声、音乐声、人声等。所有的噪声源都来自于纽约的城市声学传感器网络。
本次竞赛还加入包含了声音时间、空间位置（STC）的文本信息源，可能告诉我们期望在录音中听到什么信息，用来判断整个声音信息中有无特殊噪声以及异常，比如我们在周末安静的小区内听到了警报声，鞭炮声，这则是极不正常的。
城市环境声音分类检测技术的发展将会再次推动智慧城市形态的进步与发展，并与当下分布广泛的视频监控手段互补，提升智能监控水平。今年是联丰迅声环境声音感知团队第二次参加Task5，最终获得国际第二，国内第一的名次。
联丰迅声以此为基础的多款声呐产品也在国内得到广泛应用。
联丰迅声还以落地在全国各地的空气声呐作为采集终端，初步建立起国内首个城市环境声音数据平台，为产品进一步落地提供有力数据支撑。
DCASE2020已经落下帷幕，作为国际顶级的声音分类检测赛事，自2013年首届比赛举办以来，就吸引了越来越多的高端研发机构与科研院校的踊跃报名参与，这说明越来越多企业机构关注AED/ASD技术在未来城市工业发展中的巨大应用空间，也说明了未来城市建设向着智能化、智慧化不断发展的趋势，联丰迅声作为国内最早参与该赛事的科研团队之一，已经连续参加3届比赛，在与国内外顶尖团队的较量中也取得了优异的成绩。
相信随着声学检测分类技术的不断进步发展，将逐步推动利用声学信息的城市的智慧化建设与工业自动化监控升级！
