检测方法、装置、设备和计算机存储介质与流程

技术特征：
1.一种检测方法，其特征在于，所述检测方法应用于检测装置；所述方法包括：获取待检测者的音频数据；将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；获取所述预设神经网络模型输出的检测结果。2.如权利要求1所述的检测方法，其特征在于，所述将所述音频数据输入预设神经网络模型的步骤之前，包括：获取预设咳嗽音频数据，并搭建初始预设神经网络模型；根据所述预设咳嗽音频数据生成咳嗽音频数据集；根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型。3.如权利要求2所述的检测方法，其特征在于，所述根据所述预设咳嗽音频数据生成咳嗽音频数据集的步骤包括：对所述预设咳嗽音频数据进行预处理，得到咳嗽音频数据集，其中，所述预处理的过程依次包括：预加重处理、分帧处理、加窗处理、傅里叶变换、梅尔滤波、对数能量计算以及离散余弦变换。4.如权利要求2所述的检测方法，其特征在于，所述初始神经网络模型包括第一神经网络模型以及第二神经网络模型；所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤包括：根据所述咳嗽音频数据集与所述第一神经网络模型得到音频特征；根据所述音频特征与所述第二神经网络模型训练得到预设神经网络模型。5.如权利要求4所述的检测方法，其特征在于，所述音频特征至少包括：声音情感特征、呼吸道生物特征以及声带生物特征。6.如权利要求2所述的检测方法，其特征在于，所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤，还包括：将所述咳嗽音频数据集划分为咳嗽音频训练集以及咳嗽音频测试集；采用所述咳嗽音频训练集对所述初始神经网络模型进行训练，并且采用所述咳嗽音频测试集对训练完成的所述初始神经网络模型进行测试；当测试结果的准确率达到预设阈值时，得到预设神经网络模型。7.如权利要求1所述的检测方法，其特征在于，所述获取所述预设神经网络模型输出的检测结果的步骤包括：根据交叉熵损失函数以及所述预设神经网络模型得到检测结果，其中，所述交叉熵损失函数为：所述n为音频特征的数量，所述y
n
为真实检测结果，所述为预测检测结果。8.一种检测装置，其特征在于，所述装置包括：获取模块，用于获取待检测者的音频数据；输入模块，用于将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据训练得到；输出模块，用于获取所述预设神经网络模型输出的检测结果。
9.一种检测设备，其特征在于，所述检测设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的检测程序，所述检测程序被所述处理器执行时实现如权利要求1
‑
7任一项所述的检测方法的各个步骤。10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有检测程序，所述检测程序被处理器执行时实现如权利要求1
‑
7任一项所述的检测方法的各个步骤。