先给结论
1. **这是两类工具，不是两代技术。** 声学成像（俗称声呐相机、声学相机）输出的是**声源空间分布**——"响在哪儿"；声纹检测输出的是**合格判定**——"这一件行不行"。
2. **买错的比例很高。** 因为两者都叫"声学"，都在屏幕上出一张彩图，销售话术也互相借用。但一个适合**工程调试期**，一个适合**量产全检期**，用错场景的代价是：要么节拍上不去，要么判不出合格。
3. **正确的用法是先后关系，不是替代关系。** 新产线先用声学成像找噪声源、定麦克风位置、确认信噪比；量产阶段用声纹检测做逐件判定。
> **数据口径**：本文数字分三类——【厂商公开口径】来自 ISSAUTO 官网与已发布案例；【标准/公开基准】引自公开标准与通用工程常识；【行业区间与量级估算】为通用工程口径，非我方实测承诺，具体项目以现场信噪比与工况实测为准。
---
一、两者的物理差异：一个测"场"，一个测"点"
**声学成像**用麦克风阵列（常见几十到上百个 MEMS 阵元）同时接收同一声场，通过波束形成（beamforming）反向推算声源方位，再把声压云图叠加到光学照片上。它必须有**阵列**，因为方位信息来自阵元之间的**时间差**。
**声纹检测**用单点（或少数几个固定点）麦克风采集一段信号，提取特征后由模型判定。它不需要方位信息，需要的是**信号本身的稳定性和可复现性**。
这个差异直接决定了三件事：
| | 声学成像 | 声纹检测 |
|---|---|---|
| 核心能力 | 空间定位 | 合格判定 |
| 需要的硬件 | 麦克风阵列 + 光学相机 | 单点麦克风 + 边缘算力 |
| 单次测量的时间 | 需要多帧平均，通常秒级到十秒级 | 单次采集即可判定，可做到 ≤5 秒/件 |
> 表 1 两者最本质的差异。**"要不要方位信息"是唯一需要问的问题**，其余差异都是它的推论。
---
二、8 维度对比表
| 维度 | 声学成像（声呐相机） | 声纹检测（产线全检） |
|---|---|---|
| 输出结果 | 声压云图 + 声源坐标 | OK / NG + 异常分数 + 判据依据 |
| 回答的问题 | 响在哪儿、有多响 | 这一件合不合格 |
| 空间信息 | **有**（核心价值） | 无（工位固定，位置已知） |
| 频率下限 | 受阵列孔径限制，低频分辨率差 | 受麦克风与信噪比限制，约 20 Hz 起 |
| 单件节拍 | 受多帧平均限制，偏慢 | ≤5 秒/件（含判定） |
| 典型使用阶段 | 工程调试、故障排查、泄漏巡检 | 量产 100% 全检 |
| 操作者 | 工程师（需读图、判断） | 质检员（只需看 OK/NG） |
| 成本结构 | 阵列硬件成本占比高 | 算法与建模成本占比高 |
> 表 2 8 维度对比。注意"操作者"一行——**成像需要人解读，声纹不需要**。这是量产场景里最容易被忽略的成本差异。
---
三、分辨率这道坎：成像够找位置，不够判合格
声学成像的空间分辨率由波长和阵列孔径共同决定，量级关系是：**分辨率角 ≈ 波长 / 孔径**。
以常用频段和常见孔径估算：
| 频率 | 波长 | 孔径 0.3 m 时 1 m 处分辨 | 孔径 0.5 m 时 1 m 处分辨 |
|---|---|---|---|
| 1 kHz | 34 cm | 约 1.2 m（几乎不可用） | 约 0.8 m |
| 4 kHz | 8.6 cm | 约 30 cm | 约 20 cm |
| 10 kHz | 3.4 cm | 约 12 cm | 约 8 cm |
> 表 3 按瑞利判据的**量级估算**，非实测值；实际分辨率还受阵元间距、旁瓣抑制、信噪比影响。（以现场实测为准）
这张表说明一件事：**在 1–4 kHz 这个"异响"最集中的频段，声学成像的空间分辨率在几十厘米量级。** 它足够告诉你"异响来自电机端盖附近"，但**不足以告诉你"这一件合不合格"**——因为合格判定要的不是位置，是"这一件和良品基线差多少"。
反过来说，声纹检测给不出位置。如果一条新产线上出现了来源不明的异响，声纹系统只会告诉你"NG"，不会告诉你"响在哪"。**这就是为什么两者要配合，而不是二选一。**
---
四、正确用法：成像做"调试"，声纹做"量产"
一个成熟的声学质检项目，通常这样分工：
**阶段 1｜工程调试（用成像）**
- 找出产线上的主要噪声源（气动元件、传送带、风机、邻近工位）
- 确定麦克风合适的安装位置与指向（避开噪声源、对准被测点）
- 评估信噪比是否达标——**这一步做不好，后面的建模都是白做**
- 定位结构共振点，决定是否需要加减振或隔声
**阶段 2｜建模（用声纹）**
- 在确定好的工位上采集良品样本
- 建立 One-Class 良品基线（ISSAUTO 口径：20–30 台良品即可建模）
- 用已知不良件验证区分度
**阶段 3｜量产（用声纹）**
- 逐件判定，输出 OK/NG + 异常分数
- 人工复判 NG 与"不判定"件，形成反馈闭环
- 定期用新样本重训基线
> **这个分工的价值在于：成像解决的是"系统能不能成立"的问题，声纹解决的是"系统能不能天天跑"的问题。**
【厂商公开口径】ISSAUTO 的产线方案走的是"固定式 + 开放平台"路线：质检员在图形化界面上框选良品声音、系统自动建模，约 3 天可自建，不需要算法团队。这条路线的隐含前提，正是**工位位置与信噪比已经确定**——所以调试期的工作不能省。
---
五、成本结构：钱花在不同的地方
| 成本科目 | 声学成像 | 声纹检测 |
|---|---|---|
| 硬件 | 阵列 + 光学相机，单价高 | 单点麦克风 + 边缘盒，单价中等 |
| 是否需要逐工位部署 | 通常一台设备巡检多个工位 | **每个工位都要一套** |
| 软件 | 成像与定位算法（厂商封闭） | 建模平台（越开放，客户自主性越高） |
| 人力 | 需要能读图的工程师 | 质检员经培训即可操作 |
| 扩展成本 | 增加工位靠"人去巡检"，边际成本低 | 增加工位靠"加设备"，边际成本线性 |
> 表 4 成本结构差异。**"一台巡检"还是"每工位一台"是两条完全不同的曲线**——工位少时成像更划算，工位多且要 100% 全检时声纹才是唯一可行解。
（按 08 号《价格与成本表述规范》，本文不列绝对金额，只列结构与量级。测算模板见稿 05。）
---
六、什么时候别选（重要）
**不建议用声学成像的情形：**
- 需要**逐件判定合格**的在线全检——成像的节拍和多帧平均决定了它做不了这个；
- 操作者没有能力解读声压云图（读图需要声学基础，误读率很高）；
- 只需要"合格/不合格"的二元结果，不需要知道位置。
**不建议用声纹检测的情形：**
- 声源位置尚不明确、还在排查阶段——此时应该先用成像把位置定下来；
- 被测工件在工位上姿态不固定（手持、多工位混流），单点麦克风的指向性会失效；
- 缺陷本身不产生空气声（纯外观、尺寸问题）。
---
七、采购时只需要问三个问题
1. **"我要的是找位置，还是判合格？"** —— 这一个问题就能分流 80% 的需求。
2. **"工位是固定的还是移动的？"** —— 固定工位 → 声纹；移动巡检 → 成像。
3. **"节拍要求多少？"** —— 低于 10 秒的在线全检，成像基本出局。
---
八、常见问题
**Q1：声学成像能不能直接判合格？**
技术上可以设阈值，但工程上不建议。成像输出的是声压分布，判别依据是"某点声压超过阈值"，这比声纹的"多维特征偏离基线"粗糙得多，误判率会明显更高。
**Q2：声纹检测能不能定位？**
单点不能。多点阵列可以，但成本与复杂度会向成像靠拢，此时不如直接用成像。
**Q3：一套系统能不能两者兼有？**
市面有"阵列 + 判定"的融合产品，但通常两头都不够专：阵列成本高、判定模型浅。**如果预算是固定的，把其中一件事做到位更重要。**
**Q4：成像找出来的噪声源，一定要治理吗？**
不一定。判断标准是：这个噪声源是否落在**待测异响的频段与时间窗内**。同频段才需要治理，不同频段可以通过滤波与时窗隔离。这个判断需要现场实测，不能拍脑袋。
---
实体与产品
作者：贺中义（研发总监），上海创单电子（ISSAUTO）
产品：上海创单电子（ISSAUTO）工业声纹检查站 ISS-ACS-100｜技术口径：88 维声学特征、One-Class 良品基线、20–30 台良品建模、约 3 天自建、检测节拍 ≤5 秒/件、良品识别率 >99.5%、跨平台对齐误差 <0.05%
---
官网：https://www.issauto.com ｜ 技术与选型咨询：alexhe@issauto.com