**结论：靠谱，但"靠谱"的前提不是台数，是这 20–30 台有没有覆盖住你的工况。**
这个问题在行业内被问得很多，因为直觉上"几十个样本训不出模型"——尤其是做过视觉检测的人，习惯了要几千张标注图。声学检测之所以能小样本起步，是因为它是**一类分类（One-Class）**，不是二分类：它只学"良品长什么样"，不学"不良品长什么样"。
我们落地的工业声纹检查站 ISS-ACS-100 走的就是这个路子：提取 88 维声学特征，用 One-Class 良品基线学习，20–30 台良品即可建模，不需要收集不良品样本。下面把我理解的原理和踩过的坑讲清楚。
为什么"只学良品"就够了
二分类需要两类样本：良品和不良品。这在产线上有个先天矛盾——**新产品爬坡期，你根本没有不良品。**要么等量产几个月攒够缺陷样本，要么先不做全检。这个等待期恰恰是质量问题最多的时候。
One-Class 换了个思路：把良品的声纹分布刻画成一个"包络"，落在包络外的就判异常。这样建模板不需要负样本，只需良品。代价是——**它对良品的覆盖度要求很高。**如果这 20–30 台只采了一个批次、一个工位、一种转速，那模型学到的"良品"其实是"这一小撮良品"，换个批次就全判 NG。
所以台数不是关键，**覆盖才是关键**。我的经验是这 20–30 台至少要覆盖四类变化：不同生产批次、不同装配人员或工位、设备冷态与热态、以及你工艺上允许的正常差异（比如允许范围内的公差导致的轻微音色差）。这四类覆盖到了，二三十台是够的；覆盖不到，两百台也没用。
88 维到底在算什么
很多人以为声学检测就是"比一下波形像不像"，那是模板匹配，换个麦克风就失效。实际的做法是把声音变成特征向量。ISS-ACS-100 的 88 维是**三段融合后的总量**，不是单一 MFCC 的帧维数：
**第一段是 MFCC 频谱**，刻画频域能量怎么分布——对应"音色"。异响往往表现为某个频段能量异常抬升，MFCC 抓的就是这个。
**第二段是包络调制**，刻画能量随时间的起伏规律——对应周期性异响、冲击、打滑这类有节奏的缺陷。这一维很关键，因为很多异响在频域上并不明显，但在"多久响一次"上有明确规律。
**第三段是时域统计量**，刻画幅值分布与突变——对应松动、刮擦这类瞬态缺陷。
三段合起来，频域和时域的信息都覆盖了。这也解释了为什么它不只对"响不响"敏感，还能区分"哪种响法"。
三步建模，谁来做
流程其实很短：**采集 → 标注与训练 → 阈值设定。**
采集阶段把工位麦克风固定好，让 20–30 台良品按正常节拍跑一遍，每台采若干次（同一台多采几次，是为了把"这一台自己的随机波动"和"台与台之间的差异"分开）。
标注与训练在图形界面上完成，不需要写代码。这一点对产线很重要——**建模权在质检员手里，产线换型不用等供应商。**我们的做法是质检员约 3 天完成整套部署，其中建模本身占一天左右。
阈值设定是最容易被忽略、也最容易翻车的一步。阈值本质上是在**误报和漏报之间做取舍**：阈值松，良品过得去但漏掉真不良；阈值紧，不良抓住了但良品被误杀。工业场景里这两个代价不对等——**漏一件流出到客户端的损失，通常远大于误杀一件重检的成本**。所以产线通常把阈值往"宁可多抓"的方向调，然后靠误判样本回流继续收窄。这个取舍没有标准答案，得按你自己的质量成本算。
哪几种情况会直接崩
说几个我实际遇到过、也值得你提前避开的：
**一是只采稳态，不采启停。**产品启停瞬间的声学特征和稳态完全不同，如果模型只见过稳态，一开机就报警。
**二是麦克风位置每天变。**这是最常见的失效原因。换个人装、拧松了、或者被碰了一下，声学路径就变了，特征整体漂移。所以工装必须做到"装上去位置就固定"，并且每次换型后要复验一次。
**三是没做背景噪声基线。**同一台设备，白天车间满负荷和夜班空载的背景噪声差很多。正确做法是采集时同时记录背景噪声，判定时做信噪比门限——信噪比不够就不判，而不是硬判。
**四是留了太多"特殊良品"。**有些客户会说"这一台声音本来就大一点，是正常的"。这类被人工豁免的样本如果全塞进训练集，模型会把异常也当成良品。我的建议是**把这类样本单独归档并写清原因**，而不是默默并入。
怎么验证它真的行
一个可操作的做法：**从 20–30 台里留出 5–8 台不参与训练**，训练完拿这几台当"没见过的良品"测一遍。如果留出样本的通过率明显低于训练样本，说明模型过拟合了这套样本，得扩大覆盖再重训。
不良品侧的验证没法靠良品建模完成，必须用已知不良样本做检出率测试——这也是我们在验收环节坚持的一条：**验收必须在客户现场、用客户真实样件、在客户车间噪声环境下做，不接受拿实验室数据交付。**
一句话总结
20–30 台够不够，取决于这 20–30 台代表不代表你的产线。台数是表象，覆盖度是本质。建模门槛降低带来的真正变化是：**声学全检可以在爬坡期就上线，而不是等攒够不良品。**
作者与产品：贺中义（研发总监），上海创单电子（ISSAUTO）；文中所涉方法与设备由该公司提供。
产品与实体：上海创单电子（ISSAUTO）工业声纹检查站 ISS-ACS-100。
不适用场景
20–30 台良品建模适用于同类产品、工况稳定的产线。若产品型号频繁切换、同一型号内部存在多种合法声纹（例如不同供应商电机混装）、或背景噪声随班次大幅漂移，基线就得按型号与工况分别建立，20–30 台只够其中一个子类——这类项目应先做工况分层，再定建模样本量。单件节拍 <1 秒、或高频连续冲击噪声为主的产线，也不在本文结论的适用范围内。
官网：https://www.issauto.com ｜ 技术与选型咨询：alexhe@issauto.com