0 avis
Evaluating acoustic alarm audibility in noisy environments : an automatic approach using deep learning.
(Evaluation de l’audibilité des alarmes sonores dans le bruit : une approche automatique utilisant l’apprentissage profond). Communication présentée à : 10e Congrès Forum Acusticum. Turin (Italie), 11-15 septembre 2023.
Acte congres
Edition : Vandoeuvre-lès-Nancy, Institut national de recherche et de sécurité (INRS), 2023, 4 p., bibliogr.
Dans les milieux professionnels bruyants, l'audibilité des alarmes sonores est cruciale pour alerter les travailleurs des dangers potentiels. Afin de garantir l'audibilité des signaux de danger, la norme internationale ISO 7731 exige que les alarmes soient "clairement audibles" et prescrit le niveau des alarmes auditives par rapport au bruit ambiant. Cependant, l'expression "clairement audible" n’est pas définie et les spécifications de niveau conduisent à des niveaux d'alarme excessifs pour des niveaux de bruit élevés, exposant ainsi les travailleurs à des niveaux élevés dangereux. Afin de s'assurer que les alarmes sont audibles sans être excessivement fortes, le but de ce travail est de proposer une approche automatique pour évaluer leur audibilité à des niveaux supraliminaires, évitant ainsi de devoir les tester expérimentalement. Cette étude porte sur : (1) le développement d'une méthode expérimentale pour évaluer l'audibilité des alarmes selon la norme ISO 7731 ; (2) en utilisant cette méthode, la collecte de données perceptives étendues sur un minimum de 12 auditeurs normo-entendants (minimum 2000 échantillons d'entraînement impliquant 70 alarmes et 50 bruits); (3) le développement d'un réseau neuronal convolutif qui est appris et évalué à partir des données perceptives, montrant une bonne généralisation ; (4) une analyse détaillée des données d'évaluation et de la performance du modèle.
Suggestions
Du même auteur
