在冲压与总装车间的试点里，工人戴厚手套、双手被占用，扫码报工、呼叫质检都要先停下手上的活。我们尝试把手势换成语音：工位上方装四麦阵列，指令限定为「报工、叫料、呼叫质检、停机」等十余条固定短句，全部本地推理，不上云。
难点不在识别模型，而在噪声。车间稳态噪声 85~93 dB(A)，多台设备同时在线，单麦方案会把冲床冲击当成人声，误唤醒频繁。这轮实验做了三件事：用波束成形加声源方位约束，只接收工位正前方约 60° 锥角内的近场语音；唤醒后加一道二次确认，要求 1.5 秒内出现合法指令词，否则直接丢弃；端点检测阈值随当班噪声基线滚动更新，避免持续触发。
进展（3 条产线、两周）：固定指令识别率由 78% 提升到 94%，每班误唤醒从 11 次降到 1~2 次。下一步：接入耳麦近场拾音做对比，补方言与口音样本，并把 MES 回执做成语音播报，形成「说—做—答」闭环。
评论