华南理工大学学报(自然科学版)

作者：梁艳辉, 温承杰, 闫军威, 周璇, 张洪涛

单位：1.华南理工大学 机械与汽车工程学院/广州现代产业技术研究院，广东 广州 5106402.人工智能与数字经济 广东省实验室（广州），广东 广州 510335

关键词：铝加工深井铸造,铝液泄漏,声音识别,风险预警,改进的EfficientNetV2,对数梅尔语谱图

基金：广东省技术委托开发项目(2022440002001110)

铝液泄漏是导致铝加工深井铸造爆炸事故的直接原因。为解决实际工程中铝液泄漏判断方法滞后性强、准确率低和监测范围受限等问题，该文提出了基于改进EfficientNetV2的铝液泄漏声音识别方法。该方法通过声音特征判断铝液泄漏，以扩大监测范围；同时通过优化堆叠因子、引入高效通道注意力机制改进EfficientNetV2结构，以进一步提升识别速率与准确率。首先，利用拾音器采集不同场景下的声音数据，构建包含7类声音场景的声音数据库；然后，从声音信号中提取对数梅尔语谱图作为特征集，输入到改进的EfficientNetV2模型进行训练与验证，最终得到铝液泄漏声音识别模型。实验结果表明：改进的EfficientNetV2识别准确率达95.48%；与原始EfficientNetV2、ResNet、RegNet及DenseNet相比，改进模型的浮点运算次数分别为上述模型的12.34%、8.64%、11.14%和10.80%，参数量分别为上述模型的11.37%、9.55%、15.95%和17.24%，CPU环境下每秒处理图像帧数分别为上述模型的6.53倍、6.14倍、4.41倍和8.00倍，说明改进的EfficientNetV2具有快速准确的识别性能。此外，基于该文提出的铝液泄漏声音识别方法，构建了铝液泄漏风险预警机制，并将该机制应用于铸造单元的实时风险监测。实践结果验证了所提识别方法与预警机制的有效性，可为铝加工深井铸造爆炸事故的预防提供技术参考。

来源：2026年第2期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第2期