异音异响检测|NVH 电机异音异响检测|电机噪声

层级	关键技术
采集层	USB/低延迟音频采集卡/高保真麦克风、无线麦克风、振动传感器
处理层	DSP+GPU/CPU并发模型
算法层	基于FFT、STFT的传统分析 CNN/Bi-LSTM/Transformer 的 AI 模型基于自监督的VAE/Anomaly AutoEncoder
管理层	本地加密数据库(AES-256)+版本化配置管理+统一RESTAPI
界面层	Qt/Electron跨平台GUI+可视化插件

目标：建一套从 采集 → 预处理 → 算法推理 → 报告生成全链路 的一体化声学检测平台，满足不同行业、不同规模的质检需求。

·突发噪声定位
·异常音事件识别

·本地加密储存
·报告生成

·监督学习
·无监督学习
·在线学习与模型更新

·RESTfulAPI
·SDK
·插件开发者工具

行业案例

场景：扬声器生产线需对每个样机进行频响和 THD+N 检测。过往使用人工听音方式监测扬声器异音，但是人工听音有包括听觉疲劳、听觉损伤等问题。需要更稳定的机器听觉算法进行异音识别。

实施
1. 在生产线旁安置 USB 频谱捕捉卡，实时采集数据。
2. 程序加载预设 “麦克风标准曲线”，通过 GPU 进行频响匹配。
3. 同时调用监督 CNN 模型，对 10k+ 标注样本集训练得到 97% 的分类准确率。
4. 报告自动生成 PDF 并存入本地数据库，同时通过 REST API 推送到 MES。

监测正确率

一致性误差率

质检时间

审核效率

监测正确率达到97%，显著高于人工听音；质检时间从人工 1 min 降至 10 s，显著减少人员培训成本。