東京工科大学 メディア学部 ブログ

こうして機械学習を行った結果、１円・５円・１０円の判定はそれぞれ正解率として92.9%、75.6%、75.0%を得ることができました。3つの分類のためランダムに判別したとすると33.3%になるところですが、いずれも4分の3以上という高い正解率を得ることができています。アルミでできている1円だけ出る音に特徴があるためか、高い正解率を出しています。

上図は陶器に落とした1円と10円のスペクトログラムです。スペクトログラムとは、ある時刻の音についてどの周波数の音がどの強さで含まれているかを色の濃淡で表したもので、横軸が時刻、縦軸が周波数となっています。どちらも、硬貨が跳ね返るたびに音出ているのが縦線として現れています。また、どちらも2kHz, 4.5kHz, 7.9kHz付近などに共通した周波数の倍音から来る横縞が見られるので、陶器の形や材質が影響しているようです。ただしそれより高い周波数帯の成分や、横縞の長さ、つまり倍音の持続時間が異なっているように見えます。聞いてみると意外に似たような音だとしても、以上のように成分や音量の変化に微妙な相違点があり、その点を機械学習を使うと「聞き分ける」ことができるのです。

下図は、今回使用した機械学習の手法の概念図です。たくさんの録音サンプルをもとにどこに境界線を引くか計算します。

また、横田君は音響特徴量を学習に加えたり除いたりすることにより、どの特徴量が重要かを調べました。その結果、1円・5円では音の周期性に関わる特徴量、10円ではスペクトルが幅広い周波数にわたって広がっているかどうかに関係する特徴量が重要であることがわかりました。