车间噪声下语音指令识别实验进展

车间巡检与设备点检场景中，工人双手常被占用，语音录入是自然的交互方式，但冲压、空压等设备噪声可达85~95分贝，通用语音模型识别率明显下降。实验室近期围绕该问题开展实验：在某机加工车间采集含背景噪声的语音样本约1200条，覆盖6类常见口音与30余条固定指令，对比通用模型与噪声增强微调模型的表现差异。初步结果显示：一是经噪声数据微调后，95分贝以下环境的指令识别准确率由约82%提升至94%，误触发控制在每小时0.5次以内；二是采用关键词唤醒加指令白名单策略，可显著降低误识别带来的误操作风险，适合指令集合固定的场景。下一步计划引入双麦克风阵列做波束成形降噪，并补充粉尘环境、佩戴耳罩等条件下的数据采集，验证模型在真实班次中的稳定性。该思路亦可迁移至仓储拣选、质检呼叫等语音交互场景。