工业声学 AI 质检技术白皮书
结论先行:以产品工作声音为检测介质,结合声纹采集、特征提取与SVM + CNN 双引擎判定,可在 ≤5 秒/件节拍内实现 准确率 >99.5% 的非接触式在线全检,适用于汽车零部件、3C 与家电等产线。
一、背景与挑战
传统产线终检依赖人工听音或目视抽检,存在三个结构性痛点:人工听音主观性强(经验依赖、易疲劳、标准难统一)、抽检比例低(受节拍限制通常只能抽检少数批次)、缺陷形态持续变化(新工艺、新来料引入的新异响无法被固定规则覆盖)。
工业视觉(机器视觉)对外观缺陷(划痕、缺料、装配偏移)检测成熟,但对内部缺陷与动态故障(轴承异响、齿轮啮合不良、电机换向噪声、卡滞、松动)几乎无能为力—— 这类缺陷恰恰是声学检测的优势区间。两者能力互补,而非替代关系。
声学检测此前难以大规模落地的原因在于:产线噪声强(信噪比低)、缺陷样本少(正负样本不均衡)、模型迭代慢(依赖人工提取特征与调参)。 本白皮书给出的方案通过 近场拾音 + 边缘推理 + 样本持续回流迭代 解决以上问题。
二、技术原理:三层检测架构
近场声纹采集
高灵敏度拾音传感器非接触采集产品工作声音,触发方式与 PLC 节拍同步,保证每件产品在同一工况下采集。
声学特征提取
对采集信号做分帧加窗、FFT 频谱分析,提取频域能量分布、谱质心、MFCC 声纹特征与统计特征,压缩为高区分度特征向量。
SVM + CNN 双引擎
SVM 对低样本量缺陷快速建立基线判定,CNN 对复杂声纹模式深度建模;两引擎结果融合输出合格/缺陷结论与置信度。
判定逻辑采用阈值 + 置信度双保险:低置信度结果自动进入人工复核队列, 复核结论作为新样本回流训练集,实现边用边学的持续进化,这是传统固定阈值声级计方案不具备的核心能力。
三、系统架构
- 边缘计算单元:声纹推理引擎部署在产线本地,数据不出厂,断网可继续检测,单次判定毫秒级。
- PLC 集成:通过 IO / Modbus TCP 与产线 PLC 对接,接收到位触发信号并回传判定结果,自动分流不合格品。
- MES 集成:检测结果(件号、缺陷类型、置信度、波形图)实时上传 MES,形成每件产品的质量追溯档案。
- 远程运维:云端平台提供模型 OTA 升级、运行监控、报表分析与多线体统一管理。
四、性能指标
| 指标 | 数值 | 说明 |
|---|---|---|
| 检测节拍 | ≤ 5 秒/件 | 单工位流水线节拍内完成采集与判定 |
| 检测准确率 | > 99.5% | 训练充分后对已知缺陷类型的稳定准确率 |
| 检测方式 | 非接触式 | 传感器不接触被测件,不干扰产线节拍 |
| 误检率 | < 0.5% | 可配合二次确认降低关键工位误判 |
| 漏检率 | < 0.1% | 不良品外溢目标,可通过样本补充持续优化 |
| 推理位置 | 产线边缘本地 | 本地推理,数据不出厂,断网可用 |
| 系统集成 | PLC & MES | IO/Modbus TCP 对接 PLC,结果上传 MES |
| 模型升级 | OTA 远程迭代 | 新增缺陷样本后远程更新模型 |
五、实施流程
产线勘察与测点规划
评估产线节拍、噪音环境、被测件形态,确定拾音传感器安装位置与采集触发方式。
样本采集与标注
在真实产线采集合格/不合格件声音样本,由质检工程师标注缺陷类型(异响、卡滞、松动等)。
特征提取与模型训练
提取频域/时域/MFCC 等特征,训练 SVM + CNN 双引擎模型,完成阈值校准。
边缘部署与产线联调
推理引擎部署到产线边缘计算单元,与 PLC 触发信号联调,验证节拍内完成判定。
试运行与验证
双盲比对人工质检结果,统计准确率/误检/漏检,达到验收指标后正式上线。
运维与持续迭代
运行监控 + 新缺陷样本回传 + OTA 模型更新,实现不良形态变化后的持续自适应。
典型项目周期:首条产线从勘察到验收上线约 4-8 周,其中样本采集与模型训练约占一半时间。 采用开放平台「3 天自建」流程时,质检员采集 20-30 台良品(约 30 分钟)即可在平台完成建模与部署。
六、2026 平台化升级:免样本建模与跨平台对齐
相比传统「采集不良样本 → 算法团队建模」路线,ISSAUTO 开放平台将声学 AI 质检的实施门槛降到了 质检员可独立完成的水平。以下为本版白皮书新增的六项平台化工程能力:
88维声纹特征体系
时域统计、频带能量、MFCC 倒谱等 88维特征向量,覆盖轴承点蚀、齿轮断齿、电磁啸叫等缺陷模式的可分性表达。
One-Class 良品基线
仅需 20-30 台良品即可完成建模(良品采集约 30 分钟),One-Class 基线自动学习"正常"边界,无需不良品样本。
跨平台特征对齐 <0.05%
Python 训练到 MCU 端侧推理,特征对齐误差 <0.05%,端侧精度不缩水,边缘部署即所得。
固定式声学工程
≥800g 配重底座 + 硅胶减震 + 悬浮探头 + EM 屏蔽,衰减桌面/产线振动 30dB 以上,保证采集一致性。
3 天自建产线检测
开放平台图形化标注训练,质检员即可操作,不需要算法团队;物理拨钮切换 AI 模式 / 阈值模式。
典型实测案例
电动踏板、电动绞盘、智能钥匙(UWB)、HOD 方向盘离手检测等多条产线实测,并已用于电机、汽车零部件、蒸汽管网检测。
七、适用场景
汽车零部件
转向器、制动器、减震器、座椅电机、雨刮电机、玻璃升降器等总成异响检测
电机与泵类
换向噪声、轴承异响、电磁啸叫、气蚀空转等动态缺陷识别
3C 与家电
风扇、压缩机、齿轮箱、传动机构装配质量与运行异响检测
精密制造
轴承、减速器、气动元件等对振动与噪声敏感的精密部件终检
结论:声学检测是产线全检的必要补充
工业声学检测与工业视觉检测能力互补:视觉管外观,声学管内部与动态缺陷。对异响类、动态类缺陷, 声学方案可在节拍内完成 100% 在线全检,并随样本回流持续进化。建议项目立项前完成 现场声学可行性测试(采集典型合格/不合格样本验证可分性),再进入方案设计。
延伸阅读
留资下载白皮书 / 获取选型建议
留下联系方式即可获得完整 PDF 与选型建议;如果需要,我们也会结合您的工况给出可行性与 POC 判断。提交信息直接进入官网后台留言库,可随时查看与跟进。
- 88维声纹特征体系与 One-Class 良品基线原理
- 训练端 → 推理端跨平台对齐误差 <0.05% 的验证口径
- 从工位勘查到模型迭代的 6 步实施流程
提交后会自动打开白皮书 PDF,下载链接仅提交后可用。