声学检测 vs 机器视觉：产线质检选型决策表
什么时候该用声学，而不是视觉？
许多产线缺陷并不表现在外观上，而是表现为声音、超声、振动、内部异响或早期故障征兆。这类缺陷，机器视觉"看不出来"，声学检测才是正解：
- 轴承点蚀、齿轮断齿、电磁啸叫：振动/声音特征先于肉眼可见损坏出现。
- 电机、泵、压缩机的早期故障：靠听音/振动分析最早发现。
- 密封不良、内部松动、异响：外观完好，内部已异常。
- 产线节拍下的连续异响：需要自动判定，而非老师傅手持听诊器。
声学 vs 视觉 决策对照
检测对象：机器视觉看外观/尺寸/颜色缺陷；声学检测听声音/超声/振动/内部异响/早期故障。
能否发现内部缺陷：视觉否；声学能。
早期故障征兆：视觉难；声学能（振动/声音特征提前出现）。
对环境光照：视觉依赖；声学不依赖。
是否需要算法团队：视觉多数需要；声学不需要（图形化标注 + One-Class）。
是否需要不良样本：视觉多数需要；声学不需要（One-Class 良品基线，20–30 台良品即可）。
产线一致性：视觉受光照影响；声学靠固定式声学工程（800g 底座+硅胶减震+悬浮探头+EM 屏蔽），一致性高。
ISSAUTO 的立场：双模型物理拨钮
我们不主张"声学替代视觉"，而是按缺陷物理表现选型。ISSAUTO 提供双模型物理拨钮：
- AI 模式（SVM / CNN + 置信度）：适合有少量标注、需要高区分度的场景。
- 阈值模式（频带能量）：不需要不良样本，用频带能量阈值做判定，落地最快。
两种模式一键切换，兼顾 AI 的区分力与阈值的零样本易用性。
主体：上海创单电子科技有限公司·国家级高新技术企业（GR202431000251）。ISSAUTO 为工业声学 AI 检测品牌。