AI學習型異音檢測系統(tǒng)。 記者 謝艷 攝
AI檢測將漏檢率降至0.2%。 記者 謝艷 攝
□ 記者 謝艷 宋德平
近日，中國機電一體化技術應用協(xié)會揭曉了“2025年度工業(yè)人工智能典型應用場景”名單，由長虹控股集團智能制造推進部組織報送的6項案例全部入選。本次入選案例來源于美菱股份、長虹能源、長虹精密、長虹新網科技、長虹華意加西貝拉五家單位，技術方向全面覆蓋了聲紋智能檢測、外觀缺陷識別、關鍵工藝防錯與裝配質量監(jiān)控等多個關鍵環(huán)節(jié)，實現(xiàn)了從核心部件到整機產品的智能制造質量檢測全流程布局。這不僅是單一技術點的突破，更是長虹以AI賦能智能制造全鏈條的卓越實踐。
11月20日，記者走進長虹新網科技，一探入選場景之一的智能電子產品AI異音檢測的“智慧秘笈”。
在該公司智能產品生產線上，全部由自動化機械手完成Wi-Fi工序的自動抓取、自動校準，每1至2分鐘就可以完成一個主板的測試。進入聲學測試工序后，設備前大屏幕上的AI學習型異音檢測系統(tǒng)格外顯眼，AI賦能雜音智能檢測將異常漏檢率降至0.2%，產品音質一致性提升至99.5%，使得產品更受客戶和市場青睞。
漏檢率和音質一致性為何能得到如此提升?長虹新網科技AI異音檢測項目負責人介紹，AI學習型異音檢測系統(tǒng)旨在構建專業(yè)隔音環(huán)境與高精度采集系統(tǒng)，融合無監(jiān)督與小樣本學習算法，實現(xiàn)音質全自動量化檢測，建立聲學質檢數(shù)字化新范式。
“這套系統(tǒng)幫了我們大忙。”該負責人表示，傳統(tǒng)異音檢測高度依賴人工聽檢，面臨諸多挑戰(zhàn)。首先，人力資源門檻高。需篩選聽力敏銳的員工，并經過長期培訓才能上崗，人力成本高、培養(yǎng)周期長。其次，主觀性強、標準難統(tǒng)一。不同人員對“異音”的判斷存在個體差異，難以實現(xiàn)質量標準的量化與一致性。此外，產能瓶頸明顯。隨著產線擴產，人工檢測成為制約效率與質量管控的瓶頸，尤其在高峰交付期難以保障全檢覆蓋率。
因此，異音檢測亟需實現(xiàn)檢測過程的標準化、自動化、智能化。為此，公司研發(fā)了這套AI檢測系統(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，檢測準確率顯著優(yōu)于人工，具備高精度識別能力。同時，系統(tǒng)標準可量化、可迭代，所有判定基于數(shù)據(jù)驅動，檢測標準可固化、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，大幅提升了檢測效率與一致性。
“人工智能在此不僅是‘替代人工’，更是推動質檢從‘經驗驅動’邁向‘數(shù)據(jù)驅動’的關鍵引擎，為智能制造提供了可復制、可推廣的落地范式。”該負責人說。
未來，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，探索小樣本學習、跨產品遷移學習等技術，降低新產線部署成本;在系統(tǒng)層面，推動AI檢測模塊與MES/PLM等工廠系統(tǒng)深度集成，實現(xiàn)質量數(shù)據(jù)閉環(huán)管理;在應用拓展層面，將異音檢測能力延伸至更多聲學類產品乃至非聲學振動類場景，打造通用型工業(yè)聽覺AI平臺，讓AI不僅“聽得準”，更能“聽得懂”，成為工廠的“智能聽診器”。
編輯：李志
