整套分布式傳送帶托輥異常聲音檢測系統(tǒng)主要有以下功能： 1) 托輥異常聲音檢測功能——整套系統(tǒng)以節(jié)點為邊緣計算單元進行托輥異常聲音檢測，大大降低遠程服務(wù)器的計算壓力； 2) 輪詢報警功能——遠程服務(wù)器會定時輪詢所有聲吶節(jié)點，一旦有節(jié)點發(fā)現(xiàn)托輥異常則會及時報警后臺監(jiān)控中心 ； 3) 實時監(jiān)聽功能——監(jiān)控中心可以選擇任意節(jié)點實現(xiàn)現(xiàn)場聲音監(jiān)聽功能，在接收到節(jié)點報警之后，也可以遠程監(jiān)聽現(xiàn)場聲音判斷是否異常； 4) 頻譜分析功能——監(jiān)控中心可以選擇任意節(jié)點實現(xiàn)現(xiàn)場聲音的頻譜分析 。

家電異音檢測可以按照下圖所示的技術(shù)途徑來實施。按照機器學習的要求，通過傳聲器和信號采集系統(tǒng)進行聲信號樣本采集，需要注意的是采集得到的聲信號既包含家電的運轉(zhuǎn)聲，也包括生產(chǎn)線的環(huán)境噪聲。采用現(xiàn)有成熟的多種信號處理方法對所測聲信號進行預(yù)處理，通過分析比較和嘗試，組成最佳的信號特征向量，該向量應(yīng)該能夠最大程度反映家電狀態(tài)信號，同時抑制環(huán)境噪聲。 常用的信號特征提取方法一般包括時域、頻域和時頻域三類，時域的典型特征有短時能量和過零率；頻域的特征種類繁多，有各種譜分析方法、線性預(yù)測系數(shù)以及梅爾頻率倒譜系數(shù)等；時頻特征包含短時傅里葉譜和小波譜，時頻特征會帶來較大的計算量，但卻更能完整全面地描述音頻信號。

隨著機電自動化技術(shù)的進步，家電生產(chǎn)線中許多需要體力勞動的工位逐漸被機械手所代替，但仍有很多非體力工位還離不開人，比如視檢和聽檢工位，不需要人的體力或操作，而要靠人的眼睛和耳朵來判斷產(chǎn)品的某項指標是否品質(zhì)合格，這樣的工位就需要人工智能才能很好完成替代。 由于圖像處理技術(shù)的迅猛發(fā)展，視檢工位目前已有了很多很好的替代方案，但由于產(chǎn)線上聲環(huán)境復(fù)雜，檢測規(guī)則難易實現(xiàn)簡單的參數(shù)化描述，聽檢工位目前大多還是要靠人工來完成。但是，人工聽檢存在下圖列出的種種問題，已難以滿足產(chǎn)線智能化升級的需要。從表中也可以看出，人工聽檢的缺點正好就是人工智能檢測的優(yōu)勢所在。