Audioanalyse-Projekt zur Erkennung von Anomalien in Audiodateien
Dieses Audioanalyse-Projekt setzt modernste Methoden des maschinellen Lernens ein, insbesondere die Mel-Spektrogramm-Technologie und Autoencoder, um Anomalien in Audiodateien zu erkennen. Mel-Spektrogramme liefern eine visuelle Darstellung der Audiosignale, die von einem speziell entwickelten Autoencoder-Modell analysiert werden. Das Modell wurde darauf trainiert, zwischen normalen und anomalen Signalen zu unterscheiden, indem es typische Merkmale aus den Audiodaten erfasst und auf mögliche Abweichungen reagiert.
Diese Anwendung bietet Benutzern die Möglichkeit, Audiodateien hochzuladen zu analysieren, um potenzielle Anomalien sofort zu identifizieren. Sie ist ein leistungsstarkes Werkzeug für die akustische Überwachung und Fehlersuche in industriellen Anwendungen.
Das Projekt wurde unter der Betreuung von Professor Aufderheide durchgeführt, dessen Expertise und Unterstützung maßgeblich zum Erfolg dieser Forschungsarbeit beigetragen haben. Sein Wissen im Bereich des maschinellen Lernens und der Akustikanalyse hat die Entwicklung dieses innovativen Analysetools entscheidend geprägt.