异音检测是什么？定义、频段与识别边界
我们将异音检测定义为对20 Hz–20 kHz范围内设备运行声音的在线判定，目标在1.0–3.0 s短时片段内实时输出结果，要求线上F1≥95%、TPR≥99%、FPR≤1%。在异响识别中，典型机械类异常集中在100–800 Hz，常见侧带间隔10–50 Hz；摩擦/啸叫多出现在2–8 kHz；电气啸叫常见于10–15 kHz。为保证声学质量检测的客观性，阈值建议设为同工位正常底噪均值+6–10 dB，并以7天移动窗口更新均值，样本数≥500条、方差稳定系数CV≤0.2。
从可分辨性看，录音片段SNR应≥15 dB，前端动态范围≥100 dB，峰值避免触顶，控制在-6 dBFS（满幅0 dBFS以下6 dB）。我们团队在频谱特征提取上采用STFT窗长50–200 ms、50%重叠，48 kHz采样下FFT长度2048–4096，对应频率分辨率约11.7–23.4 Hz，可区分轴承滚动频侧带差异≥15 Hz。为了兼顾实时性与精度，单段分析耗时需≤80 ms/1 s音频，缓存不超过256 kB/通道，满足产线声音监测对低延迟的要求。
产线异音检测的拾音方案怎么选？麦克风、距离与声学夹具
在工位部署上，我们建议1–2通道近讲拾音，距离10–30 cm，以48 kHz/24 bit采样；单体麦等效输入噪声EIN≤20 dBA可覆盖大多数设备声压45–85 dBA。若需要波束定向，阵列间距4–8 cm，线阵长度12–32 cm即可在2–8 kHz获得6–10 dB指向增益。配套半密闭隔声箱应达STC≥35 dB，箱内背景噪声≤35 dBA，混响时间RT60≤0.3 s；观察窗采用6+12+6 mm夹层玻璃，缝隙<1 mm，防止1–3 kHz泄漏峰。
采样链路方面，前端A/D需24 bit，反混叠滤波截止22 kHz；每班以94 dB SPL@1 kHz活塞校准一次，允许漂移±0.2 dB；系统动态范围≥100 dB。与节拍对齐时，整机CT目标1.5–2.5 s，录音1.0–1.5 s，I/O触发延迟<50 ms，自动门开闭≤0.5 s，PLC循环<10 ms，避免堵站。若工位面积受限≤0.8 m²，可选短边≤600 mm的小型箱体，风机噪声控制在28–32 dBA。
| 方案 | 通道/阵列 | EIN/频响 | 距离 | 背景/隔声 | 成本(元) | 适用CT |
|---|---|---|---|---|---|---|
| A ECM近讲 | 1ch | 18 dBA / 50 Hz–18 kHz | 15–20 cm | ≤40 dBA / STC 30 | 4000–8000 | 2.0–3.0 s |
| B MEMS+阵列 | 2–4ch, 4–8 cm | 20 dBA / 30 Hz–20 kHz | 10–25 cm | ≤35 dBA / STC 35 | 1.2–1.8万 | 1.6–2.2 s |
| C 高隔声箱 | 1–2ch | 16 dBA / 20 Hz–20 kHz | 10–30 cm | ≤30 dBA / STC 40 | 2.5–3.5万 | 1.5–2.0 s |
| D 声振融合 | 1ch+ACC | 18 dBA / 0–5 kHz(振) | 刚性耦合 | ≤35 dBA / STC 35 | 1.6–2.4万 | 1.6–2.0 s |
频谱+AI还是纯AI？算法路线与算力预算
我们在线方案默认“频谱+AI”，即以STFT 25 ms窗/10 ms步长、FFT 1024–4096抽取Log-Mel 64–128维，并叠加Δ/ΔΔ特征提升0.5–1.0% AUC；对2–8 kHz摩擦啸叫，窄带峰值比阈设为≥+8 dB；对100–800 Hz轴承类，侧带间隔聚类阈设10–50 Hz。模型采用轻量CRNN/TCN，参数量0.5–5.0M，INT8量化后2–20 MB，1 s音频推理时延<80 ms，ARM Cortex-A53×4 CPU占用<60%，内存峰值<256 MB，满足边缘端箱体工位。
纯AI自编码器/对比学习路线适合无先验场景，但数据需≥1万条正常样本，线上AUC可能受漂移影响>0.02。为稳态生产，我们建议正常样本≥3000条/机型，异常每类≥200–500条，通过混噪（SNR 0–20 dB）、变速±5%、频带遮挡（宽度200–800 Hz）做×3–×5扩充。上线指标以AUC≥0.98、漏检≤0.5–1.0%、误检≤1.0–2.0%为门槛；自学习每周新增≥200条，若AUC7日均值下降>0.02触发回归。相关方法可参考声学检测下一站：端侧大模型、多模态与机器人语音交互。
异音检测的阈值、指标与放行逻辑怎么设
阈值采用ROC主阈+灰区双阈策略：以TPR≥99%时FPR≤1%选主阈；再设置灰区0.40/0.60，灰区占比<5%由人工复核，整体放行率≥95%。对单工位，我们建议连续N=3次异常必拦截；若单次异常且复验通过率≥80%，允许放行并标记为“观察”，等待时延≤3 s以保证CT≤2.0 s。为控制系统一致性，10人×3轮×10件GR&R应≤10%，重复性σr/总变差≤30%，日校准漂移±1 dB以内由算法自动修正。
监控看板需展示7日FPR/TPR曲线、阈值漂移±0.02、灰区占比≤5%、复验拦截率≤2%。抽检比例每班≥1%，过程能力Cpk≥1.33；当FPR三日均值>2.0%或TPR<98.5%即回滚上版模型。阈值微调以≤±0.02为步长，每次生效须有≥500件影子验证；若异常类新增≥2种且样本≥300条/类，触发14–30天回归周期。细则可以结合制造业如何落地产线音频质检：指标、方案与ROI执行。
现场噪声与回声控制：从隔声到算法抑制
物理治理优先：将箱内背景噪声降至≤35 dBA，RT60控制在≤0.3 s；箱体与地面附加阻尼3–5 kg/m²，门缝与走线孔缝隙<1 mm，以减少1–3 kHz泄漏峰2–4 dB。电源与风机选低噪机型，1 m处噪声≤30 dBA；外部线缆穿孔采用波导式Φ20–30 mm并填充密封棉，抑制2–8 kHz漏声≥8 dB。对低频工噪，输入端加入80–100 Hz高通，幅度衰减≥12 dB/oct，可在100 Hz以下提升SNR 6–10 dB。
算法侧，自回放测试需启用AEC，尾长128–256 ms，回声抑制≥30 dB；谱减或门控可带来6–12 dB降噪，但需限制语音/窄带失真，频带上限保留至15 kHz以检出电气啸叫。声振融合时，加速度计选±2 g、带宽0–5 kHz，刚性耦合在M6或M8螺栓位，双通道融合有效SNR可提高8–12 dB，AUC提升0.02–0.05；时钟同步误差需<1 ms，跨卡时用10 MHz参考或PTP 1PPS。供电纹波控制<10 mVpp，接地电阻<1 Ω，50/60 Hz及其3次谐波抑制至-40 dB以下。
标准化落地流程：采样、建库到上线（附操作步骤）
数据采集阶段，每机型正常样本≥3000条、异常每类≥300条，采样率≥48 kHz/24 bit；覆盖3个班次、连续≥2周，温湿度设三档20/25/35 ℃与40–70% RH；每条音频时长1.0–1.5 s，SNR≥15 dB。标注采用双人交叉，目标一致率≥95%，Kappa≥0.8；建立200件金标集（正常:异常=4:1）用于回归验证，留出独立测试日≥2天、样本≥800件，以避免数据泄漏。
试运行进入影子模式7–14天，样本量5000–10000件，CT目标≤2.0 s；联机误报≤2%、漏检≤1%，达标后上线。上线后每月回归1次，阈值微调≤±0.02；异常库每季度新增≥3类；数据留存≥90天，按单线500 GB预算，磁盘冗余RAID1/5。若需要多工位并行（≥4工位），边缘端CPU核数≥8，千兆交换≥1口/工位，时延<2 ms。更多流程细节可参考产线异音检测怎么落地？指标、部署与ROI一文看懂。
- 工位勘察与噪声测评：采48 kHz/24 bit噪声样本≥200条，统计RT60与SNR，耗时2–3天。
- 夹具与拾音选型：确定1–2通道或阵列4–8 cm，箱体STC≥35 dB，制作周期7–10天。
- 数据采集与校准：94 dB@1 kHz每日首班校准，采集≥3000+条正常、≥300/类异常，耗时10–14天。
- 建模与验证：CRNN/TCN 0.5–5.0M参数，影子模式7–14天，AUC≥0.98。
- 联机与阈值设定：主阈TPR≥99%/FPR≤1%，灰区0.40/0.60，CT≤2.0 s。
- 上线监控与回归：每周新增≥200条自学习，AUC下降>0.02触发回归，月度例检1次。
与人工听检对比与ROI：真实数字说话
效率方面，人工单人节拍通常为3.0–5.0 s/件，且随班次疲劳波动>20%；系统CT稳定在1.6–2.0 s/件，产能提升≥40%，双班模式下单线日处理能力≥20,000件。质量方面，人工漏检率常在5–30%，与金标一致性R²<0.8；我们上线后实测漏检0.3–1.0%、误检1.0–2.0%，与金标集一致性R²≥0.95，灰区占比控制在<5%，复验等待≤3 s，保障节拍不受影响。
成本测算显示，人力由3人/线降至1人/线，按12–24万/人·年计，年节省36–72万/线；设备一次性投入30–80万/线（含隔声箱、拾音、边缘工控机），回本周期12–18个月。音频与结果100%留存≥90天（约500 GB/线），问题定位时间由>120 min降至<10 min；接口采用OPC UA/Modbus，PLC周期<10 ms与MES对接<200 ms。可对照机器人语音交互加持的产线声学质检：方案、ROI与案例的实测数据进行预算。
案例复盘：压缩机与扬声器的关键参数与效果
空调压缩机产线项目中，我们采用1通道驻极体麦+1通道加速度计，采样48 kHz/24 bit；时频配置STFT FFT=2048、hop=10 ms，模型为2.1M参数CRNN，INT8量化8.4 MB。上线后识别F1=97.8%，漏检率由5%降至0.3%，误检=1.2%，CT=1.8 s；工位隔声箱STC=38 dB、RT60=0.25 s，背景噪声31–34 dBA，自动门开闭0.5 s，对接PLC周期<10 ms。该案例与“家电产线音频自动质检”指标一致，AUC维持>0.985连续90天。
扬声器检测项目采用20 Hz–20 kHz扫频，THD@1 kHz≤1.0%（2 Vrms）；Rub&Buzz阈值设为背景+10 dB，判定窗口100–1200 Hz；日检测量10000+件，整体报错率<1.5%，漏检≈0.6%。部署使用x86 i3/8 GB或ARM A72×4/2 GB，单件推理延迟<60 ms，产线接口采用Modbus/TCP与OPC UA双栈。两项目均建立金标集≥200件，回归周期30天，阈值微调≤±0.02，体现了频谱特征提取与声纹分类的结合价值，更多资料见南京昱声科技与麦克风阵列实战：工厂设备噪声监控项目复盘。
常见问题解答
- 异音检测需要几个麦克风才够？
- 近场工位（10–20 cm）多数用1–2通道即可，麦位对准声源；开放远场建议4–8麦阵列做波束形成抑制侧向噪声。确保SNR≥15 dB、EIN≤20 dBA，关闭过强AGC，配防风罩并避开气流和机械耦合，基本可满足异音检测。若声源分布广，可分区多点采集做融合。
- 回声消除（AEC）和降噪有何区别？会影响判定吗？
- AEC用于消除自回放回声，常设尾长128–256 ms、抑制≥30 dB；降噪针对环境稳态或随机噪声，典型抑制6–12 dB。二者级联顺序宜先AEC后降噪，并控制不扭曲2–8 kHz细节，通常可将误检率再降0.5–1.0%。配置不当会压窄特征，造成漏检或误判。
- 模型训练最少需要多少样本量？
- 训练量建议：每个机型正常样本≥3000条，异常每类≥300–500条；做幅度/时移/混响等数据增强×3，可等效≥9000条。少样本时采用预训练声学模型迁移学习，F1可提升约2–4%。同时注意类间平衡与工况多样性覆盖，避免过拟合单一工位。
- 背景噪声和混响对识别率影响多大？
- 背景噪声每增加3 dB，误检往往上升约0.5–1.0%；混响RT60>0.5 s会掩蔽2–8 kHz细节，降低异常纹理可分性。建议控制环境噪声≤35 dBA、RT60≤0.3 s，并使用吸声材料、定向拾音与近讲布置，双重控制可显著稳住识别率，同时减少阈值波动。
- 产线节拍1.8秒能满足吗？
- 节拍1.8 s通常可达成：录音1.0–1.2 s，特征提取+模型推理<80 ms，I/O与机构动作约0.5 s，整线CT可稳定在1.6–2.0 s。建议流水化处理、GPU或SIMD加速、异步I/O与缓存预热，并对超时样本设旁路复检策略，避免影响节拍的同时保证检出率。
- 阈值如何设置才能平衡漏检与误检？
- 阈值可用ROC/PR曲线选取TPR≥99%、FPR≤1%的工作点；再设0.40/0.60双阈形成灰区<5%，灰区走人工或二级复核。上线前以影子模式跑7–14天校准，并按机型/工位分组维护阈值。随季节、噪声与老化变化定期回放样本滚动微调。
- 是否必须使用隔声箱？开放工位能做吗？
- 隔声箱并非绝对必须。开放工位可用指向性麦+4–8阵列做波束形成，辅以挡板，将背景控制在≤45 dBA，地脚减振。相较箱体方案准确率可能下降约1–3%，但维护与节拍友好；需每日校准噪声底与麦位一致性，并对高噪时段设限流或复核策略。
- 与NVH或纯振动检测相比，异音检测的优势是什么？
- 相较NVH或纯振动，声学对摩擦、啸叫等2–8 kHz异常更敏感；振动更擅长100–1000 Hz结构缺陷。二者融合能将AUC提升约0.02–0.05，并覆盖更多故障模态。若成本允许，建议声振协同；资源受限时按主频段与故障特性优先部署，逐步扩展。