贵阳方言工厂指令识别

摘要：

针对贵阳工厂环境下口头任务对接缺乏依据性、出现事故难于追责的问题,引入深度学习模型改善贵阳方言工厂指令识别效果.自制贵阳方言工厂指令数据集,搭建指令识别系统,依次训练六种模型,其中包括拥有9层隐藏层的深度神经网络.在同一测试集下,系统随训练的进行逐渐提升性能,在DNN模型下识别错误率降至最低,远低于单音素模型识别错误率.对比不同测试集识别错误率,分析噪声对识别性能的干扰.实验表明DNN模型下带噪测试集错误率比纯净测试集高出不到3％,证明DNN模型具有更为优良的鲁棒性.

关键词：语音识别;工厂指令;深度神经网络;贵阳方言

所属期刊栏目：43

分类号：TP18;TN912.34(自动化基础理论)

资助基金：国家自然科学基金;贵州大学混合式课程建设项目

在线出版日期：2022-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：48-51