異音檢測的兩種模型： 人工聽檢的自動化替代技術(shù)主要有兩類模型，一類是參數(shù)驅(qū)動模型，另一類是基于人工智能的數(shù)據(jù)驅(qū)動模型。前者通過分析比較找到一個標(biāo)準(zhǔn)參數(shù)范圍，在范圍之內(nèi)的為正常，在范圍之外的為故障，但這樣的參數(shù)范圍卻很難選擇確定，因為人工聽檢所依據(jù)的判斷規(guī)則很難用顯示的參數(shù)來描述；人工智能則可以模擬人的學(xué)習(xí)和判斷過程，通過特定的模型描述那些只能意會卻無法言傳的判斷規(guī)則。下圖給出了兩類模型的比較。

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(jī)器學(xué)習(xí)的要求，通過傳聲器和信號采集系統(tǒng)進(jìn)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(yùn)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(jìn)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。

在線異音檢測可以說是人工智能技術(shù)在家電生產(chǎn)過程中的一個合適應(yīng)用場景，但要想與家電生產(chǎn)流程真正無縫結(jié)合，真正替代人工聲檢，還需要解決很多技術(shù)和管理上的難題，技術(shù)難題包括產(chǎn)線節(jié)拍匹配、信號采集、環(huán)境噪聲消除、訓(xùn)練樣本選擇、合適學(xué)習(xí)模型確定等，管理難題包括檢測規(guī)范與標(biāo)準(zhǔn)的制定以及檢測流程的重構(gòu)等，解決這些難題的方法和思路將在后續(xù)詳細(xì)深入討論。