异音直接表征产品存在异常，是产品质量问题的一个显著指示。人的主观判断是提取异音的最佳方法，也是目前最常用的方法。但人工判断的高成本，主观波动等因素，使机器判断成为趋势。

       机器判断的实现分三个部分：样本提取，特征库学习及在线判断。

       样本提取的数量及质量决定了机器判断可能达到的准确性；特征库学习将人从特征提取的繁杂工作中解放出来，通过大数据分析，提取出更可靠、易理解的判断依据；在线判断使机器替代人成为现实。

前期取样，搭建样本库

Ø 多类传感器取音,超灵敏采样

Ø 特定产品可省去消声箱,更高效、经济

Ø 耳机监听,异音感受更明显

Ø 人工分级、快捷键绑定异常类型

Ø 一键存储,快速搭建样本库

特征库学习

Ø 信号处理算法与机器学习算法排列组合选择

Ø 自动特征提取、优选，输出最优算法

Ø 产品打分分级,质量管控更精细

Ø 散点图、统计图直观展现分析结果

Ø 自动生产测试样本库，学习、验证更高效

散点图用于评估机器判断结果与人工分级结果的对应关系。

图中红色表示人工分级的不合格品，蓝色为良品，青色为合格品。

纵坐标表示机器判断分值，分值越高则合格可能性越高。

统计图对散点图数据给出统计结果。可调节上下阈值，查看不同的判断结果。 为后续的在线判断软件提供分级支持。

在生产中，可根据产品要求，灵活设置接受分值，从而实现产品质量的分级把控。

在线判断

Ø 扫码启动，快捷存储

Ø PLC联动，流水操作

Ø 模块化设计，轻松更新特征库，提高判断率

Ø 多产线设备共用，经济高效

Ø 灵活设置产品分级分数线，批次质量更统一

Ø 数据库管理，查询检索更便捷

Ø  免费提供采样软件及技术支持

Ø  快速特征库学习

Ø  提供样品判断率、质量分级散点图

Ø  提供产品分析诊断支持