Til hovedinnhold

Avslører støykilder med kunstig intelligens

Byene våre støyer. Byggearbeid, trafikk, barnehager og tog. Men hvem er det egentlig som støyer mest og minst – og hvor kommer støyen fra? Kunstig intelligens har blitt et verktøy som kan gjøre hverdagen vår litt mindre bråkete.
Med å bruke kunstig intelligens og avanserte mikrofoner, har forskere utviklet et system som selv kan lære seg å skille ulike støykilder fra hverandre. Illustrasjonsfoto: Shutterstock
Med å bruke kunstig intelligens og avanserte mikrofoner, har forskere utviklet et system som selv kan lære seg å skille ulike støykilder fra hverandre. Illustrasjonsfoto: Shutterstock

Støyforurensing: – Støy er et betydelig samfunnsproblem i hele verden. Det er estimert at støy koster oss i Norge 14 milliarder kroner årlig i tapt produktivitet og tapte leveår. Støy har en lang rekke negative helsevirkninger og er et alvorlig problem for folkehelsa, sier Herold Olsen i SINTEF. Han jobber med det som kalles miljøakustikk.

Som et mottiltak har myndighetene våre satt grenseverdier for hvor mye støy det er lov å slippe ut.  De krever derfor at støy fra anleggsvirksomhet, flyplasser, havner, terminaler, veitrafikk og lignende må måles og rapporteres.

­ – Virksomhetene selv, naboer og andre berørte har også et behov for å følge opp overskridelser og støyende hendelser.  Mens myndighetene trenger mer effektive metoder til å følge opp regelverk, konsesjoner og krav, utdyper forskeren.

Det er her forskernes smarte lydmålinger kommer inn i bildet: Det er ikke alltid lett å vite hvilken støy som faktisk kommer fra byggeplassen, og hva som er forårsaket av for eksempel trafikk i området rundt: For hvilken støy er hva – og hvem skal «ha regninga» for støyen?  Det er et problem som SINTEF, lydmålerprodusenten Norsonic og NTNU jobber med. Og de er godt på vei mot en løsning som kan skille ulike støykilder fra hverandre.

Erstatter manuelle støymålinger med intelligente mikrofoner

I dag er det en manuell støymålejobb å finne ut hvor mye for eksempel en byggeplass støyer.

Nå vil teamet som består av både forskere, teknologer, studenter og ingeniører automatisere slike målinger og gjøre det så nøyaktig som mulig.  

– Målet er å gi brukerne et verktøy som både kan måle støy og som kan skille mellom akseptabel og uakseptabel lyd.

Kjernen i den nye teknologien er kunstig intelligens – eller maskinlæring på fagspråket. Og det forskerne gjør er å lære opp systemene til Norsonic, slik at de klarer å skille glade barnehyl fra trikkestøy eller bråk fra anleggsarbeid.

Men hvordan lærer man opp en datamaskin?

Forskerkollega Femke Gelderblom i SINTEF forklarer: Datamaskiner har verken ører eller øyne, og må derfor mates med tall. Men lyd kan oversettes til såkalte «spektrogram», hvor vi lager et bilde av lydnivået i forskjellige frekvenser.

Så må maskinen lære de overordnete konseptene: forskjellige mønstre som forteller hva slags lyd det er. Ved hjelp av ekstremt store datasett kan vi altså lære maskinene å finne og forstå disse mønstrene ved hjelp av det som kalles deep learning.

Dette systemet avslører støy og støykilder

Slik ser løsningen som kan måle støy og skille ulike støykilder fra hverandre ut. Illustrasjon: Norsonic.

Deep learning ligner mer på hvordan vi lære ting til barn og er teknologien som står bak kjente bildegjenkjenningsalgoritmene fra Google og Facebook. Der har maskinene lært for eksempel gjenkjenne katter og gravemaskiner fra bilder.

– Grunnen er at de har blitt vist veldig mange bilder med katter og gravemaskiner som har vært tagget med ordet – dvs en person hadde sett på dem og sagt «her har vi en katt» eller «her har vi en gravemaskin». Når vi skal lære datamaskiner å gjenkjenne lyd, så bruker vi sammen teknologien, utdyper Gelderblom.

Trener systemet til å gjenkjenne lyder

Systemet forskerne utvikler består av både software og hardware, altså et mikrofonsystem som bruker en spesialdesignet programvare.

– Målet er å gi brukerne et verktøy som både kan måle støy og som kan skille mellom akseptabel og uakseptabel lyd, sier Herold Olsen.

Vi har i første omgang trent systemet til å gjenkjenne støy fra byggeplasser rundt i Norge basert på opplæring fra en SINTEF-ekspert.

Med denne teknologien har altså forskerne gjort systemet i stand til å selv lære seg hvilke støykilder den har med å gjøre. Det skjer med å mate inn litt ekstra info fra den spesifikke byggeplassen som skal støymåles. Dette er lydopptak som kunden selv kan mate systemet med. Jo mer god info kunden gir systemet, jo mer vil systemet lære og jo bedre vil identifiseringen av lydkildene bli.

Dette er Deep learning:

Deeplearning baseres seg på 'dype nevrale nett' som er modeller som består av mange lag av data som kommer etter hverandre. Det første laget er et spektrogram (bilde), dvs. et grunnleggende konsept for lydens frekvensinnhold. Det siste laget er et endelig konsept som angir om lyden stammer fra en katt eller en gravemaskin, eller noe annet. Prinsippet med dyplæring er at nettverket skal læres opp til å finne stadig mer overordnede konsepter for hvert lag. En haug med pixel-verdier fra spektrogrammet kan først oversettes til en mer oversiktlig sett med linjer, som videre kan oversettes til former og flekker, som etter mange nok lag kan samles til mer abstrakte konsepter som klikke-lyd, piping, susing eller buldring. For hvert lag skal man kommer seg nærmere til endelige konseptet man er ut etter. Her er det viktig at disse stegene i oversettelse ikke blir designet av mennesker. De blir  utviklet automatisk i treningsprosessen, ved at nettverket hele tiden endrer litt på seg selv, og sjekker om resultatet blir bedre (fortsett å endre i sammen retning!) eller verre (snur til en endring i en annen retning!).

Har fått «retningshørsel»

Selve mikrofonsystemet er imidlertid utviklet av Norsonic. De har nå forbedret det med et verktøy som kan registrere retning, og dermed hvor støyen kommer fra. Denne funksjonen har fått navnet «Noise Compass». https://www.noisecompass.com/

 – Produktet er nytt og har allerede slått veldig godt an hos de som bruker utstyret, fordi det gir en automatisk svar på hvilken retning en støyhendelse kommer fra, sier Marthe -Lene Gravdal i Norsonic.

Dermed blir det enklere for kunden å vite mer om årsaken.

– Verktøyet «Noise Compass» består av åtte mems-mikrofoner som finner retningsvektoren for støyhendelsen ved hjelp av avansert signalanalyse i en 3D modell, utdyper Gravdal.

Sammen med gjenkjenningsalgoritmene som utvikles av forskerne i SINTEF, kan Norsonic  tilby et helt nytt produkt: Det måler støynivå i decibel og gir i tillegg gir brukeren informasjon om hva som forårsaket støyen  og informasjon om hvilken retning støyen kommer fra.

Kommer til nytte når NTNU skal bygge nytt

– NTNU er med som rådgiver i prosjektet og trekker relevante problemstillinger fra prosjektet inn i studentoppgaver og egen forskning, forteller Herold Olsen i SINTEF.

Utstyret som utvikles i prosjektet skal etter planen brukes under den store Campus-utbyggingen midt i Trondheim. I byggeperioden forventes det betydelige utfordringer med både støy og vibrasjoner fra byggeprosessen, samtidig som forskning og undervisning skal fortsette mest mulig normalt.

Fakta om prosjektet:

Prosjektet er kalt «NoiseTag» fordi det kan gi støyhendelser en automatisk tag med informasjon om nivå, retning og årsak. Norges Forskningsråd støtter prosjektet gjennom BIA-programmet, og gir dermed Norsonic mulighet til å tilegne seg ny teknologi (kunstig intelligens) med hjelp fra SINTEF. På sikt vil dette gi en samfunnsnytte i bedre styring av aktiviteter på en anleggsplass for å dempe støybelastningen for anleggsarbeidere, naboer og andre berørte.

Prosjekteier: Norsonic

Delfinansiering fra BIA-programmet i Forskningsrådet

Industripartner: Norsonic

Forskningspartnere: SINTEF og NTNU

Prosjektets varighet: 2019-2023

Prosjektets navn og link til prosjektside: NoiseTag 

Prosjektleder: Norsonic, ved Marthe-Lene Gravdal:

 

Av Christina Benjaminsen for Gemini.no
torsdag 11. november 2021
Seniorrådgiver
926 96 538