车间噪声下的语音质检：语音AI在工业质检场景的实验进展

在冲压与装配车间，质检员长期依靠听音判断设备与产品异常，但环境噪声常达85分贝以上，人耳易疲劳、标准难统一。语音交互实验室近三个月在一个金属冲压产线做了小规模实验：用4个工业麦克风阵列采集冲压节拍声，先做波束成形和降噪，再把每段音频转为梅尔频谱，送入轻量卷积网络判断是否存在“闷响”“双响”等异常。

阶段进展：在约1200段标注样本上，异常召回率约88%，误报率约11%；模型在边缘盒子上单段推理低于200毫秒，可跟上产线节拍。最明显的难点不是识别精度，而是换模后的声学漂移——同一台设备更换模具后，正常声音特征变化明显，需要采集少量新样本做快速适配。

下一步计划：一是把适配流程做成“10段样本+5分钟微调”的现场工具，让班组长可自行完成；二是与现有MES质检记录打通，把语音异常提示落在具体工单上，便于追溯验证。目前仍属实验性探索，未替代人工终检。