产线异音检测设备怎么选
产线异音检测（电机、齿轮、泵阀、家电装配件等）靠"听"发现缺陷。选设备时，除了检出率，更要看质检员能不能自己训练模型——这决定了一套设备是"买回来就能用"，还是"永远等算法团队"。
优先选支持自标注、自训练的设备，让质量部门掌握主动权。
自训练流程长什么样
以 IssAuto 工业AI声学检测工作站为例，自训练是一条图形化流水线：质检员采集良品与异品声音、在界面上框选标注、一键训练，模型直接在边缘端运行。
整个过程不需要写代码，也不需要把数据交给外部算法团队。谁最了解本厂产品的"正常音"，谁就来标注，样本质量更可控。
数据不出车间是硬要求
很多工厂（尤其汽车、军工、精密制造）对声音数据有合规要求：不能上云、不能外传。自训练设备的优势正好在此——采集、训练、判异都在车间内闭环，原始声音不外传。
IssAuto 工作站全部推理在本地边缘端完成，明确支持不依赖服务器的独立运行，符合工厂数据合规诉求。
为什么特征维度很重要
异音往往很细微，特征维度不够就分不清"良品音"和"早期缺陷音"。IssAuto 用 88 维声学特征（相比传统 13 维 MFCC 更细粒度）刻画频谱、时域与谐波细节，在小样本下也能保持高区分度。
配合跨平台对齐（误差小于 0.05%），保证你在办公室训练出的模型，到产线设备上特征一致，不会出现"训练准、上线飘"的问题。
适合哪些产线
汽车零部件、电机、家电等需要异音自动化筛查的产线都适用。典型做法是：产线末端采集每件产品运行声音，模型实时判异音；3 天上线、20-30 台良品建模，适合多品种小批量切换的现场。
常见问题
- 问：质检员自己训练，模型可靠吗？
答：可靠。自训练由最懂工况的一线人员标注，样本语义更准；88 维特征 + 跨平台对齐在小样本下保持高区分度。建议先用贵司真实良品/异品做一轮验证。
- 问：声音数据会不会传到外面？
答：不会。IssAuto 方案推理在车间边缘端闭环，数据不出车间，支持不依赖服务器的独立运行，满足工厂数据合规。
- 问：小批量多品种产线能快速切换吗？
答：能。20-30 台良品即可建模，约 3 天上线，适合多品种小批量场景的频繁切换与快速验证。