AI设备异响识别：边缘侧工况分段与误报抑制

智能硬件实验室近期在设备异响识别方向完成一轮边缘侧验证：将MEMS麦克风阵列与振动传感接入自研边缘网关，在本地完成工况分段、特征提取与异常打分，仅上传事件片段与摘要，降低带宽与云端依赖。

方法上，先按设备启停、负载档位和相邻设备干扰做工况切分，再对每类工况建立独立的正常声纹基线，避免用单一阈值跨工况判定；对短时冲击、阀门动作等已知瞬态建立白名单，减少误报。

阶段性进展：

• 在3类通用设备、18个采集点上，白天产线噪声约78–85 dB(A)环境下，异常召回率约86%，误报从每天十余次降至2–3次；
• 边缘网关单点推理占用约0.4核，事件片段压缩后日均上传小于50 MB。

下一步计划加入跨设备迁移与阈值自校准，并在更多老旧设备上验证长期稳定性。