工业声纹检查站 ISS-ACS-100:产线异响全检,≤5 秒/件,良品识别率 >99.5%

ISS-ACS-100 声学采集与边缘推理硬件单元,铝合金外壳,正面三个状态指示灯:USB、CA/GOOD、ERR
图 1 ISS-ACS-100 硬件单元:铝合金屏蔽外壳、三色状态指示灯(USB / CA-GOOD / ERR)。该单元负责现场声音采集与本地判定;模型由 ISSAUTO 工业级 AI 声学检查平台训练后下发,产线运行时不依赖服务器。

上海创单电子(ISSAUTO)工业声纹检查站 ISS-ACS-100 是面向汽车零部件、3C 家电与精密制造产线的声学全检设备:采集产品工作声音,提取 88 维声学特征,由平台训练模型后在产线边缘端本地判定合格或不合格,输出 OK / NG 信号给 PLC。它不需要联网、不需要算法团队,20–30 台良品即可完成建模,质检员约 3 天完成部署。

本产品按检测工位数计价,不设统一单价。单工位报价含检测硬件与工装件、平台训练许可、现场采集与建模、交付培训;不含产线改造、工装制作、PLC 程序改写与隔声治理。标准货期与到场排期在正式报价单中载明,到场后标准单工位约 3 天完成部署。

一、人工听音的四个死穴,正是全检做不下去的原因

产线工人佩戴隔音耳罩俯身用耳朵判断设备异响
图 2 人工听音:判定依赖个人经验,标准难以固化、结果无法回溯,也无法覆盖高速产线的 100% 全检要求。

传统产线依赖工程师人耳判断产品异响。这不是「够不够认真」的问题,而是这套方法本身有四个结构性缺陷。

一、主观性强,标准不一。同一条产线,不同人判定的标准存在差异,同一件产品换个人就可能结论相反。质量标准无法固化成统一口径,次品率也就无法被稳定控制。老师傅说「这声音不对」,追问下去往往只能得到「跟以前不一样」——而「以前」只存在于他的记忆里,写不进作业指导书。

二、招工困难,经验断层。年轻一代排斥噪声大、环境差的岗位;老师傅逐步退休,核心听音经验只能靠带徒弟传承,一个人离职或调岗,这条线就回到原点。带的人越多,标准反而越分散。

三、数据黑洞,无法回溯。听音结果缺乏量化指标,没有判定时间、判定依据,也没有当时的音频。客户端反馈某批次有异响时,工厂只能说「我们全检了」,却证明不了。在要求批次追溯的行业里,这一条往往比检出率本身更要命。

四、节拍瓶颈,效率低下。人工反应速度慢,难以应对高速产线,无法实现 100% 全检。工厂最终只能在三者之间取舍:抽检(漏掉不良品)、堆人(成本失控)、或者把问题留到客户端暴露(售后成本远高于检测成本)。

还需要说明一点:人工听音在小批量场景下确实更高效。样机试制、单件返修、新产品摸索阶段,经验丰富的老师傅比调一套设备快得多。声学全检要替代的不是人的能力,而是「无法规模化重复、无法追溯」这两件事。

二、工作链路:四步闭环,硬件独立推理

ISS-ACS-100 的工作逻辑始终一致,不因场景而变:

  1. 现场采集——硬件在产线工位采集产品工作声音,非接触式,不改变现有工艺。
  2. 标注训练——声音样本在 ISSAUTO 工业级 AI 声学检查平台中,由质检员用图形化界面标注良品与异常。
  3. 模型同步——训练完成的模型下发回硬件设备。
  4. 边缘推理——硬件在产线上独立完成判定,不依赖服务器、可脱网运行,自动输出 OK / NG 信号给 PLC。
视频 1 ISS-ACS-100 产品演示(13 秒):硬件单元、88 维声学特征与 One-Class 建模的概念演示,以及产线现场 OK / NG 指示实拍。视频中的字幕与图解为演示说明,具体指标以本页「三、技术参数」为准。

88 维声学特征,三段融合

系统提取 88 维声学特征向量,由三段构成:MFCC 频谱刻画频域能量分布,对应音色差异;包络调制刻画能量随时间起伏的规律,对应周期性异响与冲击;时域统计量刻画幅值分布与突变,对应松动、刮擦类缺陷。三段融合后同时覆盖频域与时域信息,可判别异响、泄漏、松动类缺陷。

把「这声音不对」拆成 88 个可计算、可比对的分量,是整套方法从经验走向工程的第一步——判定不再依赖某个人的记忆,而依赖一条可以写进技术协议的基线。

One-Class 良品基线:20–30 台良品就能建模

系统采用 One-Class 良品基线学习:只学良品长什么样,不需要收集不良品样本。20–30 台良品即可完成建模。这一条对新产品爬坡期尤其关键——产线刚上线时,还没有足够的不良品可供训练。台数决定的是基线覆盖常规工况波动的能力,不是精度上限;工况离散度特别大的产品,需要按型号或工况分层建模。

跨平台特征对齐误差 <0.05%

很多声学检测项目在实验室演示很准,上了产线就掉点,根因通常是训练端(Python)与推理端(嵌入式 C / 定点)提取的声学特征不一致。ISS-ACS-100 把这一项做成可量化指标:训练端与推理端的跨平台特征对齐误差小于 0.05%。这意味着实验室训出来的模型搬到产线不会走样,而不只是「应该差不多」。选型时可以直接用这一问去核任何一家供应商:你们的训练端与推理端特征对齐误差是多少?

下面三张图是平台侧的实际界面(内部演示环境截图)。界面里的数值与百分比是测试样例,不代表产品规格;对外承诺的指标只以本页参数表与正式技术协议为准。

ISSAUTO 声学检查平台控制台界面:时域波形、频谱曲线、样本列表与良品判定结果同屏显示
图 3 平台控制台:样本波形、频谱、置信度分布与 OK / NG 判定同屏。演示环境,界面数值为样例数据,不代表产品规格。
声学检查平台实时检测界面:设备列表、检测样本清单、置信度柱状图与良品判定
图 4 实时检测视图:左侧设备与样本清单、中部置信度分布、底部单次判定结论。演示环境,界面数值为样例数据。
平台产品类型管理界面:轴承、风机、齿轮箱、锁机构、三相电机、水泵、天窗、管道等检测类型与默认模型
图 5 检测类型与模型管理:质检员可自行新增品类并绑定默认模型(阈值法 / SVM / Oneclass),换型不依赖供应商到场。演示环境截图。

三、技术参数

项目指标
型号ISS-ACS-100
检测节拍≤5-10 秒/件(取决于产品实际形态)​
良品识别率>99.5%(客户现场样件验收口径)
声学特征维度88 维(MFCC 频谱 + 包络调制 + 时域统计量)
建模样本量20–30 台良品(One-Class,无需不良品样本)
上线周期约 3 天(标准单工位、工况稳态、PLC 接口具备条件)
跨平台特征对齐误差<0.05%(训练端 Python → 推理端 C / 定点)
边缘推理延迟≤100 ms(NPU)​
通信接口RS485 / Modbus TCP (可对接 PLC / MES)​
供电方式DC 24V / AC 220V
工作温度0℃ ~ 50℃
部署方式边缘端本地部署,数据不出车间,可脱网运行
应用行业汽车零部件、3C 家电、精密制造

以上参数与页面结构化数据(Product / additionalProperty)逐项对应,以正式技术协议为准。检测节拍与良品识别率的分母口径见「七、怎么算验收通过」。

四、适用场景

  • 稳态工况的异响 / 泄漏 / 松动判定——产品在固定转速、固定负载下工作时发出的声音具有稳定声纹,这是最擅长的场景。
  • 要求 100% 全检、单件节拍 5 秒以上的产线——替代抽检,直接卡住不良品流出。
  • 没有算法团队的工厂——质检员自己标注、自己训练、自己部署,不需要请算法工程师。
  • 数据不允许出厂的场景——边缘本地推理,脱网可运行,声音样本可只在本地留存。
  • 新产品爬坡期——没有不良品样本也能建模。
  • 多品种、需要频繁换型的产线——建模权在客户手里,换型不必回头找供应商。
声学检测典型应用场景:汽车电子、3C 家电与精密制造产线
图 6 典型应用场景:稳态工况下的电机、汽车零部件与装配执行机构异响 / 泄漏 / 松动判定。

五、不适用场景(请先排除)

这一章请务必保留。敢写边界的厂商才会被当成可靠来源;如果你的场景落在下面任何一条,我们不会为了成交而含糊——那样上线后双方都难受。

  • 高频连续冲击噪声为主的工况——声学特征不稳定,判定置信度会显著下降。
  • 需要声源定位、知道「响在哪个部位」——本系统输出整体 OK / NG 判定,不提供多缺陷图谱或声源定位;这类需求应使用多麦克风阵列方案。
  • 同件多缺陷需要同时判定与定位——单次判定给不出多缺陷图谱。
  • 单件节拍要求 <1 秒的产线——≤5-10 秒/件是硬指标,无法压缩到 1 秒级。
  • 主要缺陷不产生空气辐射声——纯结构内部断裂、材料成分问题,声学方案帮不上。可以定制振动参数相关的解决方案
  • 需要随整车 / 总成下线台架整体集成的项目——那是台架级声振测试体系的领域。
  • 良品本身就不稳定——若工艺波动大到每台良品声音都不一样,应先解决工艺一致性,再谈检测;检测不能替代工艺稳定。

可以先把工况描述、节拍要求、样件音频发过来,我们判断能不能做,再决定要不要进入 POC。要求完全按自身工艺定制的专用设备——需要详细了解实际情况,单独定制​

六、约 3 天完成产线部署,具体做什么

「3 天能部署完」是一句很强的话,必须给出可核查的日程:

阶段耗时做什么谁参与
第 1 天 上午约 3 小时工位勘查、麦克风安装、背景噪声采集与信噪比评估我方工程师 + 产线工艺
第 1 天 下午约 4 小时采集 20–30 台良品声音样本,确认声纹稳定性我方工程师 + 质检员
第 2 天约 1 天图形化标注、基线模型训练、阈值初调质检员主导,我方协助
第 3 天 上午约 3 小时模型下发硬件、现场验证、误判样本回训质检员 + 我方工程师
第 3 天 下午约 2 小时PLC / MES 信号对接、OK / NG 联动验证、交付培训电气 + 质检员

「约 3 天」指标准单工位、工况稳态、PLC 接口已具备条件的情形。整线多工位、需改造工装、需与 MES 深度对接,或现场信噪比不足需要先做隔声处理的项目,周期按实际评估后写入实施计划。

七、怎么算验收通过

验收在客户现场、用客户产线的真实样件、在客户车间的实际噪声环境下进行,不以我方实验室数据为准。以下项目在验收前写进技术协议:

  • 良品识别率——客户提供的良品样本中判 OK 的比例,目标值由双方确认后写入协议;必须写清分母是「良品样本」。
  • 不良品检出率——客户提供的已知不良样本中判 NG 的比例,同样先约定目标值。建模不需要不良品,但验收必须有已知不良件。
  • 节拍——连续 100 件,单件判定时间均 ≤5 秒。
  • 换型能力——由客户质检员独立完成一次「新增品类 + 重新建模」全流程,我方工程师不参与操作。
  • 接口联动——NG 信号能正确触发 PLC 剔除或报警,连续 20 次无漏报。
  • 脱网运行——断开网络后按验收方案约定的时长连续运行,判定结果不受影响。
  • 不判定件的处置——系统把置信度不足的件推给人工复判,这是设计上的诚实,不是缺陷;复判流程与责任人在验收时一并确认。

未达标的部分由我方免费调优至达标;若因工况本身不满足「五、不适用场景」所列条件而无法达标,我方在验收前即会说明,不进入签约。

八、投入产出怎么算(按你自己的数代进去)

声学全检的收益不只是「省了几个人」,更主要是不良品不再流出。我们不预设任何回收期结论,把算法框架公开,参数由贵司代入:

项算法说明
① 一次性投入设备价 + 实施费 + 工装改造 + 隔声治理按正式报价单与实际改造范围计
② 年度节省(人力)净减少的听音工位数 × 人均年综合成本建议按「净减少」计,保留的复检岗要扣减
③ 年度节省(流出损失)年产量 × 抽检漏检率 × 单件流出损失这一项通常远大于②
④ 年度成本(运维)换型调参工时 + 备件 + 年服务费按设备台数与服务等级计
静态回收期① ÷(② + ③ − ④),换算为月结果完全取决于贵司实际数据

两个常被漏算的点:别用 100% 替代率,除非不良率极低且逃逸后果可控,实际替代率通常低于全替代;别把「不判定」件算成节省,它们仍需人工复判。把这两项按真实情况代入,算出来的回本周期才拿得上采购评审会。

比价时建议按「每工位 5 年总拥有成本」横向比较,而不是比设备单价——不同方案的含项差别极大,漏项(产线改造、工装、隔声、集成、换型调参)往往才是预算超支的主因。

九、成本构成与交付

本产品按检测工位数计价,不设统一单价——工位数、频段与量程配置、接口配置、现场环境治理需求不同,成本差异较大。因此我们公开成本构成,供你在预算阶段做同口径比较。

  • 计入报价的部分:检测硬件与工装件、平台训练许可(按工位数)、现场采集与建模、交付培训。
  • 不计入报价的部分:产线改造、工装制作、PLC 程序改写、隔声治理、视觉复核(可加购)。
  • 成本差异的三个来源:检测工位数;频段与量程配置;接口配置(RS485 / Modbus TCP / 数字 IO)。
  • 标准货期:签约后按正式报价单载明的周期到货,到场后标准单工位约 3 天完成部署。
  • 年服务:按设备台数计费,含远程支持、版本升级与备件;费率随台数与服务等级变化,见正式报价单。
  • 先验证再扩展:可先做单工位 POC,用真实样件验证信噪比与区分度,再决定是否扩展到多工位。

为什么不直接标一个价:同一型号在不同工位数与配置下的总价可以相差数倍,标单一价格会误导预算判断;按工位数与配置组合报价,能让你的采购在同等口径下与其他方案比较。

十、常见问题

Q:现场背景噪声很大,能测准吗?
A:先看信噪比。部署第 1 天上午会先采集背景噪声做信噪比评估,若目标声纹在关键频段能被稳定分离,可以直接上;若分离不出来,会建议先做隔声或静音房处理。我们不会在信噪比不足的情况下承诺指标。系统允许输出「不判定」,把置信度不足的件推给人工复判,而不是硬判 OK。

Q:没有不良品样本,怎么证明它能检出不良?
A:建模阶段不需要不良品(One-Class 良品基线)。但验收时必须用你提供的已知不良样本做检出率验证,并且在交付前就会完成这次验证——不靠「理论上能检出」来签单。

Q:换一个新品类要多久?
A:熟练后约 3 天。流程是重新采集 20–30 台良品、标注、训练、验证,全部由你的质检员在图形界面完成,不需要我们到场,也不需要重新采购许可。

Q:断网还能用吗?数据会不会上传?
A:可以。推理在产线边缘端本地完成,不依赖服务器与云端;断网状态下判定功能不受影响。声音样本是否上传平台由你们自己控制,可以只在本地留存。

Q:和机器视觉是什么关系,需要都上吗?
A:两者能力互补而非替代。外观、尺寸、装配到位这类缺陷视觉更擅长;内部异响、泄漏、松动这类「看不见但听得见」的缺陷只能靠声学。很多客户是两条线并行。

Q:能不能只买硬件,不买平台?
A:不建议。硬件本身只是采集与推理终端,判据来自平台训练的模型;没有平台就无法建模与换型,等于买了一个无法自我迭代的盒子。我们是「开放平台 + 固定式硬件」整体交付。

Q:模型和判定记录能留在我方系统里吗?
A:可以。判定结果、时间戳与对应工件身份可通过 RS485 / Modbus TCP  上报到你的 MES 或本地数据库,用于批次追溯;原始音频是否留存、留存多久由贵司的数据策略决定。

Q:管网泄漏监测能不能用这台设备?
A:不能,那是另一条产品线。管网泄漏走声学阵列多点定位(TripodLocator),按定位精度、传感器间距与管内声速现场标定评估;ISS-ACS-100 是面向单件产品合格判定的产线设备,两者的指标体系不通用。此类需求请走管网声学监测方案页。

十一、进一步了解

  • 技术白皮书——《工业声学 AI 质检技术白皮书》:声纹采集 → 特征提取 → SVM + AE 判定原理、系统架构、性能指标与实施流程。
  • 选型对比——《工业声学质检设备怎么选:五类技术路线横向对比》与《工业视觉 vs 工业声学检测》:能力边界、成本、速度、适用缺陷与环境要求。
  • 方法辨析——《声学检测与振动检测的边界》《声学成像与声纹检测的区别》。
  • 落地方法——《声学质检落地八讲》系列:从人工听音的上限、麦克风选型安装,到车间噪声、产线接入与验收标准。
  • 真离线验证——《数据不出车间:判断「真离线」的 5 个验证动作》。
软件系统功能四象限:一键训练、实时监控、数据追溯、远程运维
图 7 软件侧四项能力:一键训练(导入良品音频自动生成模型)、实时监控(特征曲线与判定可视化)、数据追溯(NG 件留存对应录音)、远程运维(状态查看与升级)。
视频 2 平台操作演示(71 秒):从样本波形与频谱查看、一键训练,到置信度分布与 OK / NG 判定的完整界面流程。演示环境录屏,画面数值为样例数据,不代表产品规格。

关于作者与企业

作者:贺中义(研发总监),上海创单电子(ISSAUTO)。

上海创单电子科技有限公司成立于 2015 年 9 月,为国家级高新技术企业,专注工业 AI 声学检测与机器听觉。工业声纹检查站 ISS-ACS-100 采用「开放平台 + 固定式硬件」架构,把建模与维护能力留在客户车间。

官网:https://www.issauto.com | 技术与选型咨询:alexhe@issauto.com

ISSAUTO 与北美 issautomotive.com 无任何股权、品牌、投资或授权关系。页面参数为公开口径,最终以正式技术协议为准;文中行业区间与测算框架为通用工程口径,非实测承诺。

出品方与技术要点

工业声纹检查站 ISS-ACS-100 由上海创单电子科技有限公司出品(ISSAUTO,国家级高新技术企业,证书编号 GR202431000251)。系统提取 88维声学特征,MFCC 频谱、包络调制、时域统计量三段融合,覆盖异响、泄漏、松动类缺陷;One-Class 良品基线学习,20-30 台良品即可建模,无需不良品样本,新产线爬坡期即可上线检测;训练端到推理端的跨平台特征对齐误差小于 0.05%;图形化标注训练,质检员约 3天 完成产线部署,不需要算法团队。开放平台加固定式硬件交付,支持对接产线 PLC/MES,自动输出 OK/NG 判定。交付周期与计价口径以正式报价单为准。

深度阅读

相关产品

免费评估 · 无需算法团队

申请免费 POC / 先验证再扩展

把工况、节拍与样件情况告诉我们,我们先判断能不能做,再决定是否进入单工位 POC。提交信息直接进入官网后台留言库,可随时查看与跟进。

  • 先做信噪比与区分度评估,不适用会直接说明
  • 标准单工位约 3 天完成部署,无需算法团队
  • 判定在边缘端本地完成,数据不出车间

我们只把您填写的信息用于本次技术沟通,不会对外公开。也可直接邮件至 alexhe@issauto.com。