分布式托輥監測系統的正常工作需要以下幾個步驟： 1) 聲吶布置——將具備本地邊緣運算能力的聲吶節點利用 4 芯同軸線串聯，每臺聲吶節點配 備雙聲傳感器。聲吶節點通過 RS-485 串行總線串聯，在傳送帶的一端通過 485 轉以太網，通過網絡連接到后臺服務器。 2) 聲吶校準——由監測中心服務器向各節點發送指令，控制節點修改檢測門限閾值以完成聲 吶校準、聲吶自檢等功能，確保傳送帶沿線拾音器都正常工作。該校準過程可在聲吶布置前統一完成，也可以在布置完成后依據現場環境做適當修正。 3) 監測異響——托輥監測系統啟動后，各個節點會不斷讀取當前的聲音信號數據并做頻譜分 析，當信號特征分量超過設定的正常閾值后，信號處理器會將該處的托輥列為異常狀態，同時監測中心會循環輪詢各個節點，獲取信息后及時處理。 4) 異常監控與修復——監測中心服務器在收到節點的異常報告后，會實時地將托輥損壞的位置與損壞情況報告給值班人員，值班人員可以實時監聽現場異常節點的聲音判斷是否出現嚴重異常，如果出現異常，在相應人員完成托輥修復工作后解除異常告警。

家電異音檢測可以按照下圖所示的技術途徑來實施。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聲，也包括生產線的環境噪聲。采用現有成熟的多種信號處理方法對所測聲信號進行預處理，通過分析比較和嘗試，組成最佳的信號特征向量，該向量應該能夠最大程度反映家電狀態信號，同時抑制環境噪聲。 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、線性預測系數以及梅爾頻率倒譜系數等；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的進步，家電生產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品的某項指標是否品質合格，這樣的工位就需要人工智能才能很好完成替代。 由于圖像處理技術的迅猛發展，視檢工位目前已有了很多很好的替代方案，但由于產線上聲環境復雜，檢測規則難易實現簡單的參數化描述，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勢所在。