AI學(xué)習(xí)型異音檢測(cè)系統(tǒng)。 記者 謝艷 攝
AI檢測(cè)將漏檢率降至0.2%。 記者 謝艷 攝
□ 記者 謝艷 宋德平
近日，中國(guó)機(jī)電一體化技術(shù)應(yīng)用協(xié)會(huì)揭曉了“2025年度工業(yè)人工智能典型應(yīng)用場(chǎng)景”名單，由長(zhǎng)虹控股集團(tuán)智能制造推進(jìn)部組織報(bào)送的6項(xiàng)案例全部入選。本次入選案例來(lái)源于美菱股份、長(zhǎng)虹能源、長(zhǎng)虹精密、長(zhǎng)虹新網(wǎng)科技、長(zhǎng)虹華意加西貝拉五家單位，技術(shù)方向全面覆蓋了聲紋智能檢測(cè)、外觀缺陷識(shí)別、關(guān)鍵工藝防錯(cuò)與裝配質(zhì)量監(jiān)控等多個(gè)關(guān)鍵環(huán)節(jié)，實(shí)現(xiàn)了從核心部件到整機(jī)產(chǎn)品的智能制造質(zhì)量檢測(cè)全流程布局。這不僅是單一技術(shù)點(diǎn)的突破，更是長(zhǎng)虹以AI賦能智能制造全鏈條的卓越實(shí)踐。
11月20日，記者走進(jìn)長(zhǎng)虹新網(wǎng)科技，一探入選場(chǎng)景之一的智能電子產(chǎn)品AI異音檢測(cè)的“智慧秘笈”。
在該公司智能產(chǎn)品生產(chǎn)線上，全部由自動(dòng)化機(jī)械手完成Wi-Fi工序的自動(dòng)抓取、自動(dòng)校準(zhǔn)，每1至2分鐘就可以完成一個(gè)主板的測(cè)試。進(jìn)入聲學(xué)測(cè)試工序后，設(shè)備前大屏幕上的AI學(xué)習(xí)型異音檢測(cè)系統(tǒng)格外顯眼，AI賦能雜音智能檢測(cè)將異常漏檢率降至0.2%，產(chǎn)品音質(zhì)一致性提升至99.5%，使得產(chǎn)品更受客戶和市場(chǎng)青睞。
漏檢率和音質(zhì)一致性為何能得到如此提升?長(zhǎng)虹新網(wǎng)科技AI異音檢測(cè)項(xiàng)目負(fù)責(zé)人介紹，AI學(xué)習(xí)型異音檢測(cè)系統(tǒng)旨在構(gòu)建專業(yè)隔音環(huán)境與高精度采集系統(tǒng)，融合無(wú)監(jiān)督與小樣本學(xué)習(xí)算法，實(shí)現(xiàn)音質(zhì)全自動(dòng)量化檢測(cè)，建立聲學(xué)質(zhì)檢數(shù)字化新范式。
“這套系統(tǒng)幫了我們大忙。”該負(fù)責(zé)人表示，傳統(tǒng)異音檢測(cè)高度依賴人工聽(tīng)檢，面臨諸多挑戰(zhàn)。首先，人力資源門(mén)檻高。需篩選聽(tīng)力敏銳的員工，并經(jīng)過(guò)長(zhǎng)期培訓(xùn)才能上崗，人力成本高、培養(yǎng)周期長(zhǎng)。其次，主觀性強(qiáng)、標(biāo)準(zhǔn)難統(tǒng)一。不同人員對(duì)“異音”的判斷存在個(gè)體差異，難以實(shí)現(xiàn)質(zhì)量標(biāo)準(zhǔn)的量化與一致性。此外，產(chǎn)能瓶頸明顯。隨著產(chǎn)線擴(kuò)產(chǎn)，人工檢測(cè)成為制約效率與質(zhì)量管控的瓶頸，尤其在高峰交付期難以保障全檢覆蓋率。
因此，異音檢測(cè)亟需實(shí)現(xiàn)檢測(cè)過(guò)程的標(biāo)準(zhǔn)化、自動(dòng)化、智能化。為此，公司研發(fā)了這套AI檢測(cè)系統(tǒng)。系統(tǒng)里的AI模型可捕捉人耳難以分辨的微弱異音特征，檢測(cè)準(zhǔn)確率顯著優(yōu)于人工，具備高精度識(shí)別能力。同時(shí)，系統(tǒng)標(biāo)準(zhǔn)可量化、可迭代，所有判定基于數(shù)據(jù)驅(qū)動(dòng)，檢測(cè)標(biāo)準(zhǔn)可固化、可追溯，并隨數(shù)據(jù)積累持續(xù)優(yōu)化。更值得一提的是，系統(tǒng)可連續(xù)作業(yè)，不受疲勞、情緒等人為因素干擾，大幅提升了檢測(cè)效率與一致性。
“人工智能在此不僅是‘替代人工’，更是推動(dòng)質(zhì)檢從‘經(jīng)驗(yàn)驅(qū)動(dòng)’邁向‘數(shù)據(jù)驅(qū)動(dòng)’的關(guān)鍵引擎，為智能制造提供了可復(fù)制、可推廣的落地范式。”該負(fù)責(zé)人說(shuō)。
未來(lái)，該公司還將圍繞“更智能、更柔性、更集成”三大方向持續(xù)創(chuàng)新。在算法層面，探索小樣本學(xué)習(xí)、跨產(chǎn)品遷移學(xué)習(xí)等技術(shù)，降低新產(chǎn)線部署成本;在系統(tǒng)層面，推動(dòng)AI檢測(cè)模塊與MES/PLM等工廠系統(tǒng)深度集成，實(shí)現(xiàn)質(zhì)量數(shù)據(jù)閉環(huán)管理;在應(yīng)用拓展層面，將異音檢測(cè)能力延伸至更多聲學(xué)類產(chǎn)品乃至非聲學(xué)振動(dòng)類場(chǎng)景，打造通用型工業(yè)聽(tīng)覺(jué)AI平臺(tái)，讓AI不僅“聽(tīng)得準(zhǔn)”，更能“聽(tīng)得懂”，成為工廠的“智能聽(tīng)診器”。
編輯：李志
