MIMII 数据集：首个专注于工业机器声音的开放数据集

论文：MIMII DATASET: SOUND DATASET FOR MALFUNCTIONING INDUSTRIAL MACHINE INVESTIGATION AND INSPECTION

随着工厂设备维护需求的增长，传统依赖人工经验的故障检测方式面临专家短缺问题。工业物联网和数据驱动技术为机器状态监测提供了振动、温度和压力传感器等多种解决方案，基于声音分析的技术也取得显著进展。然而，目前缺乏真实工厂环境下的公开声音数据集。为此推出的MIMII声音数据集包含阀门、泵、风机和滑轨四种机器在正常和异常状态下的声音，涵盖七种型号。该数据集支持无监督学习，训练阶段仅使用正常声音，测试阶段需识别异常。

数据集采用System In Frontier[21]公司生产的TAMAGO-03麦克风收集，它是一个包含八个麦克风的环形阵列，可评估单通道和多通道方法，其细节如图1所示。麦克风阵列距离机器50厘米（在阀门案例中为10厘米），录制10秒的声音片段。数据集包含每个片段的八个通道。图2描述了每种机器的方向和距离的记录设置。在运行状态下，机器声音以16位音频信号形式在混响环境中以16kHz采样率录制。此外，还连续录制了多个真实工厂中的背景噪音，并将其与目标机器声音混合以模拟真实环境，背景噪音使用与目标机器相同的麦克风阵列录制。

图1 圆形麦克风阵列

图2 记录数据集的实验装置示意

MIMII数据集收录了四种工业设备的工作声音：开关动作的电磁阀、持续运转的排水泵、提供气流的工业风机以及线性移动的滑轨系统。这些设备产生的声音兼具稳态和非稳态特征，呈现出不同的声学特性和检测难度。图3展示了所有四种类型机器声音的功率谱图，清楚地表明每种机器具有独特的声音特征。

图3 6dB信噪比下正常条件的功率谱图

表1列出了每种机器类型的声音文件，每种类型包含七台不同型号的设备。数据集共收录26,092个正常声音片段用于模型训练。针对每种机器，我们采集了多种现实异常情况（如污染、泄漏等），具体运行状况见表2。由于数据集主要用于无监督学习，异常片段数量较少，仅作为测试数据。所有声音均在真实工厂环境中录制，并混合了多通道背景噪声以模拟实际工况。对于特定信噪比（SNR）γ dB，每个机器模型的噪声混合数据均按统一流程生成。

1. 计算机器模型所有片段的平均功率 a；

2. 对于机器模型的每个片段 i：

(a) 随机选择一个背景噪音片段j，并调整其功率bj，使得

(b) 通过将目标机器片段i 和功率调谐后的背景噪音片段 j 相加，计算得到噪音混合数据。

表1 MIMII数据集内容细节

表2 运行和异常状况列表