为什么在产线导入异音检测：质量、节拍与成本的三重收益
我们在家电线体落地异音检测后，质检闭环从人工漏检≈5.0%降至0.3%，误报稳定在1.0%—1.5%，对压缩机等机械噪声敏感缺陷的检出率提升>15倍；单工位采集+识别总时长3—6秒，单通道吞吐600—1200 UPH，较两名检员（8—12秒/件，300—450 UPH）提升约2.0—2.5倍；三班制替代6个FTE，按8万元/人/年计，年直接人工节约≥48万元。跨班次一致性κ>0.95（1,000件双盲），日志留存36个月，满足年度审核与顾客PPAP。以年产50万台、单台返修100元、不良从2%降至0.5%测算，年直接损失减少750万元。我们在南京昱声科技的声学质检实践表明，基于机器听觉与频谱特征的自动判定在远场拾音噪声60—70 dBA下仍可稳态运行，部署周期4—6周，单工位Capex 30—50万元。
异音检测的核心指标与判定阈值：频谱、时域与心理声学
频谱/阶次方面，压缩机与风机类缺陷多集中于50—1,000 Hz；30—150 Hz的阶次谐波在机械偏心或轴承磨损时调制最明显，谱峭度>8常指向冲击或松动类异音。心理声学阈值以响度>2 sone、tonality突出度>6 dB、roughness>0.1 asper作为一次告警基线，并按工位噪声底（±3 dB）与机种差异做±10%精调。时域上，我们联动峰均比（>12 dB）、RMS幅度（>-20 dBFS）与过零率偏差（>2σ）构成高置信联合触发。AI分类器以P(fail)>0.85输出不良，训练ROC AUC≥0.98，线上目标FPR≤1.5%、FNR≤0.3%；为抑制批次漂移，每500件进行一次置信度分布巡检，若中心漂移>0.05即触发阈值回标注。更多检测指标可参阅声学检测与语音交互新趋势：端侧多模态与大模型实践。
异音检测系统的产线部署方案：传感器、边缘计算与MES对接
传感器选用工业电容麦克风，频响20 Hz—20 kHz（±1 dB）、SNR≥65 dB、最大SPL 130 dB；与被测件保持200±20 mm，声学罩可降低8—12 dB环境噪声。采集采用48 kHz/24-bit，窗长25 ms、步长10 ms，单件录音3—10秒；24 V数字触发结合PTP时钟同步，抖动<1 ms。边缘侧使用x86 i5/16 GB或Jetson Orin NX 16 GB，模型体积<30 MB，单次推理80—120 ms，端到端延迟<500 ms，适配6秒节拍。系统通过REST/MQTT/OPC-UA（100 ms更新）写入MES，记录SN/产线/工位/分数/阈值/模型版本；10秒音频约0.96 MB/件，年50万件≈480 GB。
- 治具定位与麦克固定：误差≤±5 mm，距离200±20 mm，耗时2天。
- 声学罩安装：吸声系数α≥0.6，降噪8—12 dB，施工1天。
- 采集卡/触发：24 V DI，PTP校时至<1 ms，接线4小时。
- 边缘主机上电：i5/16 GB或Orin 16 GB，Docker部署<30分钟。
- 模型下发：v1.0体积≤30 MB，推理80—120 ms，灰度100件。
- MES联调：REST/OPC-UA心跳100 ms，字段对齐6项，1天完成。
人工听检 vs 自动声学异音检测：一致性与产能对比（对比表格）
在1,000件双盲评估中，人工跨检员一致性κ≈0.65，自动系统κ>0.95；人工漏检≈5.0%，误报3%—5%，自动化漏检0.3%、误报1.0%—1.5%。节拍方面，人工8—12秒/件（2人/工位300—450 UPH），自动3—6秒/件（单通道600—1200 UPH）。经济性上，自动化Capex 30—50万元/工位，人工成本约8万元/人/年，三班≥24万元/工位/年，典型回本周期6—9个月。对照数据如下表所示，均基于近6个月、3条线、总样本>8万件的汇总统计。
| 指标 | 人工听检 | 自动异音检测 |
|---|---|---|
| 跨检一致性κ | ≈0.65 | >0.95（1,000样本） |
| 漏检率/误报率 | ≈5.0% / 3%—5% | 0.3% / 1.0%—1.5% |
| 节拍/吞吐 | 8—12秒 / 300—450 UPH | 3—6秒 / 600—1200 UPH |
| 年度人工成本 | ≥24万元/工位 | ≈0（折旧+运维<6万元/年） |
| Capex | — | 30—50万元/工位 |
| 回本周期 | — | 6—9个月 |
空调压缩机产线异音检测实战：频谱+AI分类的端到端方案
在压缩机产线的落地项目中，我们采集25,000条录音（正负样本1:1），48 kHz/24-bit，单条5秒；线体噪声70—80 dBA，加装声学罩后降至60—70 dBA。特征采用128维log-mel + 40维MFCC，窗长25 ms/步长10 ms；模型为ResNet18（≈1.2M参数），T4 GPU训练20个epoch用时≈3小时。上线后F1=98.8%、AUC=0.992，产线漏检率从5.0%降至0.3%，误报1.2%；边缘推理单次80—120 ms，端到端延迟<300 ms，满足6秒节拍。声学罩带来≈10 dB降噪，SNR由8 dB升至18 dB。该方案成功替代人工听检已连续运行>180天，日均处理2,000—3,500件，详见案例“家电产线音频自动质检”。更多麦克风与算法选型可参考机器人与工业声学方案选型指南：麦克风阵列与算法。
人形机器人全双工语音技术对产线异音检测的启示与复用
我们为某头部人形机器人提供全双工语音方案，AEC尾长256 ms、ERLE≥40 dB，在工位语音提示/蜂鸣条件下可将自声抑制至噪声底，实测测试SNR提升5—8 dB；ANS采用频谱减法+深度降噪融合，宽带噪声降低10—15 dB，同时保留>90%目标异音能量。6麦线阵（麦距20—25 mm）波束成形在3米远场拾音识别率>95%，迁移到0.5米近场检测额外获得+6 dB指向性增益；端到端时延<500 ms，复用于异音检测后算法耗时仍<0.5秒，满足3—6秒采集窗口。该跨域复用使模型对瞬态冲击与调制成分更敏感，谱峭度>8与tonality>6 dB的组合告警提升准确率≈2.3个百分点；系统每周对>500条新样本做自监督增训，参数漂移<0.5%。更多语音链路细节可阅读机器人语音交互整套技术方案：架构、性能与部署。
ROI测算与扩展性：单线一年回本的异音检测方案
假设年产50万台，不良率由2%降至0.5%，每台返修/保内成本100元，则年直接损失减少=50万×(2%—0.5%)×100=750万元。投入方面，设备与集成35万元/工位×2工位=70万元，首年运维与标注10万元，合计80万元；净收益≈750—80=670万元，对应回收期≈80/670≈1.4个月，即使只降至1%不良，回收期仍<9个月。扩展能力上，单机4通道并发，吞吐>2,400 UPH；按3条线×6工位复制，新增工位边际成本≈15万元，网络与存储增量<5%。模型体积<30 MB，边缘缓存7天，断点重传周期60秒；若月峰值>80,000件，采用分布式MQ（1,000 msg/s）保障日志全量入库。方法论沉淀于用声学信号处理做质检：制造业产线ROI与落地。
合规、追溯与质量闭环：从数据到改进
我们构建的质量追溯保留每件10秒音频+512维特征，保存24个月；在48 kHz下约0.96 MB/件，按50万件/年≈480 GB/年（如降至16 kHz约160 GB/年），配套元数据<5 GB。安全层面采用AES-256静态加密、TLS 1.2/1.3传输，RBAC到工位/班次/角色三级授权；审计日志保留36个月，可按设备ID/SN全链路查询。量具MSA评估GRR<10%，参考声源94 dB/1 kHz，校准偏差≤±0.3 dB，校准周期6个月；异常若超±0.5 dB即触发停机校验。MES字段包含SN/工位/班次/分数/阈值/模型版本，每周输出Top-5缺陷谱型与阶次分布，推动工艺优化使关键件Ppk≥1.33。依托南京昱声科技的平台与数据治理，异音检测形成从采集—判定—追溯—改进的闭环，已在2条线、累计>30万件连续运行>180天，线上宕机率<0.1%/月，确保异音检测长期、稳定、可审计。
常见问题解答
- 产线做异音检测需要几只麦克风，阵型怎么选？
- 单工位单点检测通常使用1只高SPL麦克风（130 dB）即可，安装在距声源15–30 cm的固定位置。强噪环境建议布置4—6只线阵，麦距20—25 mm，并做波束成形，可获得约8—12 dB指向性增益，提升SNR与稳定性。
- 在80 dBA噪声的工厂环境，异音检测还能做到多准？
- 在80 dBA环境下，可加装声学罩降噪约10 dB，再结合麦阵波束成形带来约8 dB增益，使目标SNR>10 dB。实战数据显示F1=98.8%，漏检约0.3%，误报约1.2%。同时要做工位噪声基线与日常校准，保证长期一致性。
- 需要多少样本才能把模型训好？
- 首批采集2,000—5,000条即可上线试运行，边做数据闭环。成熟方案通常需2万—3万条样本（案例25,000条）可达AUC>0.99。随后每周新增约500条用于持续学习与漂移监控，覆盖设备老化、季节变化与产线换型。
- 端到端延迟多长，不会影响6秒节拍吧？
- 端到端延迟由采集窗口与推理决定。常用采集窗口3—6秒；边缘侧模型推理80—120 ms；含通信与写库，总延迟<300—500 ms。对6秒节拍的工位，检测可在节拍内完成，并给PLC/MES留出充足的联动余量。
- 阈值怎么定？不同工位噪声不一样会影响吗？
- 先以黄金样本建立工位基线，再结合心理声学阈值与模型概率设定。例如tonality>6 dB、roughness>0.1 asper，且模型P>0.85视为异常。不同工位按噪声底线微调阈值±10%，并在首月用回溯数据做二次优化。
- 和MES/PLC怎么对接，字段有哪些？
- 系统与MES/PLC可通过OPC-UA、MQTT或REST对接，典型刷新周期100 ms。字段包含SN、产线、工位、分数、阈值、模型版本与结果等；同时支持24 V数字量触发采集与回写。异常可下发停线或复检指令，闭环质控。
- 维护复杂吗？校准与MSA如何做？
- 维护不复杂，关键是定期校准与MSA。麦克风每半年以94 dB/1 kHz声校准，偏差≤±0.3 dB；量具GRR目标<10%。若麦体漂移>±0.5 dB或噪声底线异常，触发更换或复测。每周巡检与月度报告确保可追溯性。
- ROI大概多久回本？适合多大规模产线？
- 以年产50万台的单线测算，常见回收期约6—9个月。综合报废率下降、返修与人工节省，案例净收益≈670万元/年。单机可4通道并发，按工位扩展至>2,400 UPH，适用于手机、小家电、汽车部件等中大规模产线。