本技术涉及智能管理领域，且更为具体地，涉及一种基于在线监测数据的企业未落实停产措施核查方法及系统。
背景技术：
1、企业未落实停产措施核查指的是在特定情况下，如重污染天气预警期间，相关监管机构对企业是否执行了应急减排措施进行的检查。如若企业不遵守这些规定，可能会对公共健康构成风险，并承担相应的法律后果。这种核查是环境管理中的一项重要措施，旨在确保企业在面临环境风险时采取适当的应对措施，以减少对环境的影响并保护公众健康，同时在恢复生产时能够保持产品和服务的质量标准。
2、然而，传统对企业是否落实停产措施通常依赖于人工进行核查和监督，这容易受到人为因素的影响，如主管的主观判断、员工的疏忽等，导致出现漏查漏报等情况，从而影响核查结果的准确性和可靠性。并且，传统方法通常需要耗费大量人力和时间进行核查和监督，效率较低，不利于企业快速响应和处理问题。
3、因此，期望一种基于在线监测数据的企业未落实停产措施核查方法。
技术实现思路
1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于在线监测数据的企业未落实停产措施核查方法及系统，其通过由第一声音传感器实时采集的环境声信号以及由第二声音传感器实时采集的被监控企业对象附近声信号，并利用基于深度学习神经网络的信号处理和分析算法来对所述环境声信号和所述被监控企业对象附近声信号进行时频特征分析，以此基于滤除环境声的附近声信号时频特征来智能地判断监控企业对象是否未落实停产措施。通过该方式，可以在线监测被监控企业的声音信号，并及时了解企业的生产经营状态，减少了人工核查的工作量和主观性，从而提高核查结果的准确性和效率。
2、根据本技术的一方面，提供了一种基于在线监测数据的企业未落实停产措施核查方法，其包括：
3、获取由第一声音传感器采集的环境声信号以及由第二声音传感器采集的被监控企业对象附近声信号；
4、对所述被监控企业对象附近声信号和所述环境声信号进行小波变换以得到附近声信号时频图像和环境声信号时频图像；
5、对所述附近声信号时频图像和所述环境声信号时频图像分别进行声信号时频特征提取以得到附近声信号时频特征矩阵和环境声信号时频特征矩阵；
6、计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的差分以得到环境声滤除附近声信号时频特征矩阵；
7、将所述环境声滤除附近声信号时频特征矩阵通过基于类前景注意力机制的重要成分显著化模块以得到显著化环境声滤除附近声信号时频特征矩阵作为显著化环境声滤除附近声信号时频特征；
8、基于所述显著化环境声滤除附近声信号时频特征，得到稽查结果。
9、在上述基于在线监测数据的企业未落实停产措施核查方法中，对所述附近声信号时频图像和所述环境声信号时频图像分别进行声信号时频特征提取以得到附近声信号时频特征矩阵和环境声信号时频特征矩阵，包括：将所述附近声信号时频图像和所述环境声信号时频图像分别通过基于googlenet模型的声信号时频特征提取器以得到所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵。
10、在上述基于在线监测数据的企业未落实停产措施核查方法中，计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的差分以得到环境声滤除附近声信号时频特征矩阵，包括：计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的按位置差分以得到所述环境声滤除附近声信号时频特征矩阵。
11、在上述基于在线监测数据的企业未落实停产措施核查方法中，将所述环境声滤除附近声信号时频特征矩阵通过基于类前景注意力机制的重要成分显著化模块以得到显著化环境声滤除附近声信号时频特征矩阵作为显著化环境声滤除附近声信号时频特征，包括：对所述环境声滤除附近声信号时频特征矩阵进行特征表征以得到环境声滤除附近声信号时频表征矩阵；将所述环境声滤除附近声信号时频表征矩阵进行掩码化处理以得到环境声滤除附近声信号时频掩码权重矩阵；以及，将所述环境声滤除附近声信号时频掩码权重矩阵和所述环境声滤除附近声信号时频特征矩阵进行按位置点乘以得到所述显著化环境声滤除附近声信号时频特征矩阵。
12、在上述基于在线监测数据的企业未落实停产措施核查方法中，对所述环境声滤除附近声信号时频特征矩阵进行特征表征以得到环境声滤除附近声信号时频表征矩阵，包括：以所述环境声滤除附近声信号时频特征矩阵的各个位置特征值的负数作为自然常数的指数以计算按位置的以自然常数为底的指数函数值以得到环境声滤除附近声信号时频类支持特征矩阵；以及，计算所述环境声滤除附近声信号时频类支持特征矩阵中各个位置特征值与常数一之和的倒数以得到所述环境声滤除附近声信号时频表征矩阵。
13、在上述基于在线监测数据的企业未落实停产措施核查方法中，将所述环境声滤除附近声信号时频表征矩阵进行掩码化处理以得到环境声滤除附近声信号时频掩码权重矩阵，包括：将所述环境声滤除附近声信号时频表征矩阵的各个位置中大于或等于预定阈值的特征值设为一，其余设为零以得到所述环境声滤除附近声信号时频掩码权重矩阵。
14、在上述基于在线监测数据的企业未落实停产措施核查方法中，基于所述显著化环境声滤除附近声信号时频特征，得到稽查结果，包括：将所述显著化环境声滤除附近声信号时频特征矩阵通过基于分类器的稽查器以得到稽查结果，所述稽查结果用于表示被监控企业对象是否未落实停产措施。
15、在上述基于在线监测数据的企业未落实停产措施核查方法中还包括用于对所述基于googlenet模型的声信号时频特征提取器、所述基于类前景注意力机制的重要成分显著化模块和所述基于分类器的稽查器进行训练。
16、在上述基于在线监测数据的企业未落实停产措施核查方法中，所述训练步骤，包括：获取训练数据，所述训练数据包括由第一声音传感器采集的训练环境声信号以及由第二声音传感器采集的被监控企业对象训练附近声信号，以及，所述被监控企业对戏是否未落实停产措施的真实值；对所述被监控企业对象训练附近声信号和所述训练环境声信号进行小波变换以得到训练附近声信号时频图像和训练环境声信号时频图像；将所述训练附近声信号时频图像和所述训练环境声信号时频图像分别通过所述基于googlenet模型的声信号时频特征提取器以得到训练附近声信号时频特征矩阵和训练环境声信号时频特征矩阵；计算所述训练附近声信号时频特征矩阵和所述训练环境声信号时频特征矩阵之间的按位置差分以得到训练环境声滤除附近声信号时频特征矩阵；将所述训练环境声滤除附近声信号时频特征矩阵通过所述基于类前景注意力机制的重要成分显著化模块以得到训练显著化环境声滤除附近声信号时频特征矩阵；将所述训练显著化环境声滤除附近声信号时频特征矩阵通过所述基于分类器的稽查器以得到分类损失函数值；以及，基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于googlenet模型的声信号时频特征提取器、所述基于类前景注意力机制的重要成分显著化模块和所述基于分类器的稽查器进行训练。
17、根据本技术的另一方面，提供了一种基于在线监测数据的企业未落实停产措施核查系统，其包括：
18、声音信号采集模块，用于获取由第一声音传感器采集的环境声信号以及由第二声音传感器采集的被监控企业对象附近声信号；
19、小波变换模块，用于对所述被监控企业对象附近声信号和所述环境声信号进行小波变换以得到附近声信号时频图像和环境声信号时频图像；
20、声信号时频特征提取模块，用于对所述附近声信号时频图像和所述环境声信号时频图像分别进行声信号时频特征提取以得到附近声信号时频特征矩阵和环境声信号时频特征矩阵；
21、声音信号差分计算模块，用于计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的差分以得到环境声滤除附近声信号时频特征矩阵；
22、重要成分显著化模块，用于将所述环境声滤除附近声信号时频特征矩阵通过基于类前景注意力机制的重要成分显著化模块以得到显著化环境声滤除附近声信号时频特征矩阵作为显著化环境声滤除附近声信号时频特征；
23、稽查结果生成模块，用于基于所述显著化环境声滤除附近声信号时频特征，得到稽查结果。
24、与现有技术相比，本技术提供的一种基于在线监测数据的企业未落实停产措施核查方法及系统，其通过由第一声音传感器实时采集的环境声信号以及由第二声音传感器实时采集的被监控企业对象附近声信号，并利用基于深度学习神经网络的信号处理和分析算法来对所述环境声信号和所述被监控企业对象附近声信号进行时频特征分析，以此基于滤除环境声的附近声信号时频特征来智能地判断监控企业对象是否未落实停产措施。通过该方式，可以在线监测被监控企业的声音信号，并及时了解企业的生产经营状态，减少了人工核查的工作量和主观性，从而提高核查结果的准确性和效率。
1.一种基于在线监测数据的企业未落实停产措施核查方法，其特征在于，包括：
2.根据权利要求1所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，对所述附近声信号时频图像和所述环境声信号时频图像分别进行声信号时频特征提取以得到附近声信号时频特征矩阵和环境声信号时频特征矩阵，包括：将所述附近声信号时频图像和所述环境声信号时频图像分别通过基于googlenet模型的声信号时频特征提取器以得到所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵。
3.根据权利要求2所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的差分以得到环境声滤除附近声信号时频特征矩阵，包括：计算所述附近声信号时频特征矩阵和所述环境声信号时频特征矩阵之间的按位置差分以得到所述环境声滤除附近声信号时频特征矩阵。
4.根据权利要求3所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，将所述环境声滤除附近声信号时频特征矩阵通过基于类前景注意力机制的重要成分显著化模块以得到显著化环境声滤除附近声信号时频特征矩阵作为显著化环境声滤除附近声信号时频特征，包括：
5.根据权利要求4所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，对所述环境声滤除附近声信号时频特征矩阵进行特征表征以得到环境声滤除附近声信号时频表征矩阵，包括：
6.根据权利要求5所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，将所述环境声滤除附近声信号时频表征矩阵进行掩码化处理以得到环境声滤除附近声信号时频掩码权重矩阵，包括：将所述环境声滤除附近声信号时频表征矩阵的各个位置中大于或等于预定阈值的特征值设为一，其余设为零以得到所述环境声滤除附近声信号时频掩码权重矩阵。
7.根据权利要求6所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，基于所述显著化环境声滤除附近声信号时频特征，得到稽查结果，包括：将所述显著化环境声滤除附近声信号时频特征矩阵通过基于分类器的稽查器以得到稽查结果，所述稽查结果用于表示被监控企业对象是否未落实停产措施。
8.根据权利要求7所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，还包括用于对所述基于googlenet模型的声信号时频特征提取器、所述基于类前景注意力机制的重要成分显著化模块和所述基于分类器的稽查器进行训练。
9.根据权利要求8所述的基于在线监测数据的企业未落实停产措施核查方法，其特征在于，所述训练步骤，包括：
10.一种基于在线监测数据的企业未落实停产措施核查系统，其特征在于，包括：
