分布式托輥監(jiān)測系統(tǒng)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(jié)點利用 4 芯同軸線串聯(lián)，每臺聲吶節(jié)點配 備雙聲傳感器。聲吶節(jié)點通過 RS-485 串行總線串聯(lián)，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(jiān)測中心服務器向各節(jié)點發(fā)送指令，控制節(jié)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(tǒng)一完成，也可以在布置完成后依據(jù)現(xiàn)場環(huán)境做適當修正。 3) 監(jiān)測異響——托輥監(jiān)測系統(tǒng)啟動后，各個節(jié)點會不斷讀取當前的聲音信號數(shù)據(jù)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(tài)，同時監(jiān)測中心會循環(huán)輪詢各個節(jié)點，獲取信息后及時處理。 4) 異常監(jiān)控與修復——監(jiān)測中心服務器在收到節(jié)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(jiān)聽現(xiàn)場異常節(jié)點的聲音判斷是否出現(xiàn)嚴重異常，如果出現(xiàn)異常，在相應人員完成托輥修復工作后解除異常告警。

異音檢測的兩種模型： 人工聽檢的自動化替代技術主要有兩類模型，一類是參數(shù)驅動模型，另一類是基于人工智能的數(shù)據(jù)驅動模型。前者通過分析比較找到一個標準參數(shù)范圍，在范圍之內的為正常，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習和判斷過程，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。

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