异音、松动、漏气、轴承磨损、装配缺陷……这些缺陷往往没有可见的外观变化，却藏在声音信号里。机器视觉解决不了"声音"问题。传统靠老师傅"听音"——招人难、难复制、会疲劳、经验随人走。声学质检，补上产线质量管控里最被忽视的一环。
听音质检岗月薪 8K–12K 仍招不到人。
老师傅退休 = 经验消失，难以规模化。
内部异音/松动类缺陷，视觉与人工目检都看不见。
我们的做法：5 大支柱
"让质检员自己训模型，而不是养一支算法团队。"
无需声学/算法背景，图形化标注即建模。
"产线要的是 7×24 站在线上的'质检员'，不是工程师手里扫一圈的'听诊器'。"
ISS-ACS-100 嵌入产线节拍，对接 MES/PLC。
"你的良品声音数据，留在本车间，不被拿走、也不被绑定。"
纯本地边缘推理，不联网不上云。
"每一个'不良'判定，都能告诉你'为什么'——不是黑盒打分。"
双模型可解释 + 良品基线。
"从零到上线，3 天，不是 3 个月。"
良品基线免不良品样本，解决样本荒。
适用边界客观对比，不贬低、只讲边界
| 维度 | 机器视觉 | 声学质检（ISSAUTO） | 结论 |
|---|---|---|---|
| 擅长检什么 | 外观、尺寸、划痕、错装、印刷 | 异音、松动、漏气、轴承/装配缺陷 | 互补覆盖 |
| 缺陷前提 | 需可见外观变化 | 识别声音信号，无需外观变化 | 视觉盲区由声学补 |
| 适用阶段 | 成品/半成品外观检 | 运行态/过程异音检 | 可并行部署 |
| 人才要求 | 需视觉调试人员 | 质检员图形化操作，无需算法 | 声学更易落地 |
| 数据/部署 | 本地为主 | 本地边缘推理，数据不出车间 | 均重数据可控 |
当缺陷"看不见"却"听得见"，声学质检就是产线质量闭环里缺的那一块。
一个质检工程师即可独立完成全流程闭环
收集 20–30 台确认良品的工作声音。
在波形/频谱上框选"正常的声音长什么样"，无需懂 FFT/MFCC。
良品基线学习（One-Class），不需要任何不良品。
USB 一键同步到 ISS-ACS-100 工作站。
工作站脱离平台独立运行，嵌入产线节拍。
覆盖时域+频域关键信号。
AI 模式（SVM/CNN + 置信度）+ 阈值模式（频带能量，无需不良样本）。
Python 训练端 → C/定点推理端特征一致。
800g 底座 + 硅胶减震 + 悬浮探头 + EM 屏蔽，抗车间干扰。
数据不出车间；检测节拍 ≤5 秒/件，准确率 >99.5%。