Page 45 - 2022年第53卷第9期
P. 45
声音的活动分类识别模型在训练数据上的表现和在验证数据上的表现基本一致，最终训练精度分别为
６７．５１％和 ６６．２４％，基于运动学的模型在训练集上的训练精度为 ８５．６１％，略优于在测试集上的训练精
度 ８１．３５％，但是整体精度较高，证明所采用的模型的泛化性能良好。
集成运动学和声学的多模态集成机械活动状态识别结果如图 ９所示，其中黑色粗线表示机械活动
状态的真实值，蓝色细线表示集成模型的预测值，紫色区域为划分的测试集，总体看来预测值与真实
值的结果基本一致，表 ４给出了集成模型在测试集上的模型性能评估结果。
图 ９ 分类结果
表 ４ 模型分类性能评估结果
指标 精确率 召回率 Ｆ１值 交并比（ＩＯＵ）
静止 ０．９９９４ １ ０．９９９７ ０．９８６４
前进静碾 ０．９８１７ ０．９５８９ ０．９７０２ ０．９３００
后退静碾 ０．９７３０ ０．９３８７ ０．９５５５ ０．８０８８
前进高振 ０．９７２６ ０．９３０９ ０．９５１３ ０．８８２８
后退高振 ０．７１２１ ０．９４９２ ０．８１３７ ０．８８５３
前进低振 ０．４４２４ ０．８０７１ ０．５７１６ ０．３３０８
后退低振 ０．９２１３ ０．７３９６ ０．８２０５ ０．６５６７
加权平均 ０．９３０９ ０．９０８０ ０．９１３９ ０．７８３０
准确率（Ａｃｃｕｒａｃｙ） ０．９０８０
均交并比（ｍＩＯＵ） ０．７８３０
以能考虑模型 精 确 度 及 召 回 率 的 综 合 指 标 Ｆ１值 为 例，模 型 对 于 ７种 不 同 分 类 Ｆ１值 分 别 为
０．９９９７、０．９７０２、０．９５５５、０．９５１３、０．８１３７、０．５７１６及 ０．８２０５，总体加权 Ｆ１值为 ０．９１３９，此外各分类识
别的加权平均精确率及召回率分别为 ０．９３０９及 ０．９０８０。交并比是常用于语义分割的标准度量，计算所
有类别交集和并集之比的平均值，所以交并比一定小于精确率、召回率和 Ｆ１值。根据图 １０可知由于
前进低振的测试集数据数量较少，所以在测试集上的精确率和交并比较低，但是通过召回率指标可以
看出，前进低振的正确识别率相对前进低振样本总数来说正确率为 ０．８０７１，由于后续提取时间仿真参
数时采用大窗口过滤器对预测结果进行平滑处理，较好的召回率也能保证仿真参数的准确建模，因此
综合考虑各类别分类结果，模型的分类效果综合性能良好。
３．３ 仿真参数实时更新云平台 采用大窗口平滑处理后的标签和平滑处理前标签对比如图 １０（ａ）所
示，图中绿色线为平滑处理前的机械活动预测标签，蓝色线为平滑处理后的机械活动预测标签，可以
看出平滑处理消除了持续时间短于 ０．３ｓ的误分类识别噪声，可以获取更准确的仿真参数。根据平滑
处理后的标签统计不同类别的机械活动持续时间与真实值进行对比，如图 １０（ｂ）所示，可以看出基于
平滑处理后获取的仿真活动持续时间参数与真实值基本一致，证明了所提出方法的准确性。所提出的
— １ ０ ８ —
５
