高噪声车间语音指令识别实验：降噪与热词优化

在装配与机加工车间，操作人员双手常被占用，语音交互有望成为免手动的报工与设备查询入口，但85dB以上的持续背景噪声是主要障碍。本实验室近期在某机加工车间开展了远场语音指令识别的阶段性实验。实验采用双麦阵列结合谱减与神经网络降噪的前端方案，并针对设备型号、工序名称与常用术语构建领域热词表。初步结果显示：

• 在约90dB背景噪声下，通用模型词错率约28%，接入降噪前端与热词表后降至9%左右；
• 20条常用巡检与报工指令的意图识别准确率达96%，平均响应时延约600毫秒。

下一步计划：一是补充方言口音样本，验证模型对不同地域工人的鲁棒性；二是与工单系统对接，开展为期一个月的现场试用，评估真实生产节拍下的可用性与误触发率。后续将持续更新实验数据。