声纹AI质检解决方案
XUNSHENG SOLUTION FOR ELECTRIC POWER DISTRIBUTION
Application Background
应用背景
设备的异音质检是总装质检线的关键一环。在噪音房或者产线上通过人听产品运行的声音是否有异常，从而判断是否出现品质问题。 例如，电机成品下线以前有一个测试噪音的，主要是测试几个噪音项目比如电磁啸声、轴承摩擦声、定子转子摩擦声等。以下是设备异音质检的主要应用场景：
汽车制造行业
核心场景：车载循环泵、空调压缩机等部件的异响检测。
家电行业
核心场景：空调压缩机、洗衣机电机/滚筒、冰箱压缩机、吸尘器电机、空气净化器风扇等运行噪音检测。
工业设备与机械制造
核心场景：电机、泵、轴承、齿轮箱、工业机器人关节等机械部件异响检测。
消费电子与智能硬件
核心场景：手机/平板振动马达异响、笔记本电脑风扇噪音。
Program Benefits
方案优势
降低检测成本
自动化的检测方法，不再依赖人工判断，降低人员成本，降低生产设施的建设要求（噪音房），可以降低质检成本。
提升检测效率
机器自动化的随着检测节拍来进行声纹的检测，可以大幅提升整体的检测效率，省去不必要的检测环节。
准确率高
依赖深度学习技术与声纹分析技术，相比人工判定的方法可以获得更高的检测准确率与稳定性。
可量化可追溯
对于异音的每一次判定，都是可以量化可追溯的，更方便整体的质量管控与溯源工作。
Program Overview
方案简介
生产设备在出厂检测时，如果存在一些瑕疵，其在某些工作状态下的声音会明显异于正常，我们可以通过采集设备的工作声音进行质量检测，所依据的原理为在产品运行中，组装不良、零件松动、部件损坏等结构性问题所发出的声音和正常产品运行声音不一致。而声纹图，学名时频谱图，用来描述声音的频率特征强度随时间变化关系的图， 不同状态的设备声纹图不一致。声纹检测的核心原理，则是通过对于正常以及异常声纹的“比对”，来判断设备的状态，从而实现对于质量的预测。
Core Technology
核心技术
多维度降噪抗干扰手段
在生产线现场的噪声种类非常多样化，包括机器声，说话声，报警声等多种噪声，对于不同噪声的滤除以及抑制的程度，直接决定了声纹质检的准确率，是落地中的关键环节。
时域降噪
通过时间的积累滤除大部分非稳态信号的干扰
物理降噪
通过消音箱，消音室滤除干扰
频域降噪
在频带上进行滤波
空域降噪
通过声学阵列增指向性，抑制噪声
深度学习降噪
对于固定的噪声学习滤除
多尺度特征融合的AI声纹检测技术
为了提升检测结果的可靠性，以及一致性，采用多特征融合的AI声纹检测技术，结合深度神经网络，可以高效实现对于异常样本的识别与检出。
Application Cases
应用案例
某仪表厂出厂声音质检
某空调制造工厂-空调内机出厂异音质检
某压缩机制造工厂-压缩机的出厂异音质检
某汽车零部件制造工厂-车载电子泵出厂异音质检
