AI学习型异音检测系统。 记者 谢艳 摄

　　AI检测将漏检率降至0.2%。 记者 谢艳 摄

　　□ 记者 谢艳 宋德平

　　近日，中国机电一体化技术应用协会揭晓了“2025年度工业人工智能典型应用场景”名单，由长虹控股集团智能制造推进部组织报送的6项案例全部入选。本次入选案例来源于美菱股份、长虹能源、长虹精密、长虹新网科技、长虹华意加西贝拉五家单位，技术方向全面覆盖了声纹智能检测、外观缺陷识别、关键工艺防错与装配质量监控等多个关键环节，实现了从核心部件到整机产品的智能制造质量检测全流程布局。这不仅是单一技术点的突破，更是长虹以AI赋能智能制造全链条的卓越实践。

　　11月20日，记者走进长虹新网科技，一探入选场景之一的智能电子产品AI异音检测的“智慧秘笈”。

　　在该公司智能产品生产线上，全部由自动化机械手完成Wi-Fi工序的自动抓取、自动校准，每1至2分钟就可以完成一个主板的测试。进入声学测试工序后，设备前大屏幕上的AI学习型异音检测系统格外显眼，AI赋能杂音智能检测将异常漏检率降至0.2%，产品音质一致性提升至99.5%，使得产品更受客户和市场青睐。

　　漏检率和音质一致性为何能得到如此提升?长虹新网科技AI异音检测项目负责人介绍，AI学习型异音检测系统旨在构建专业隔音环境与高精度采集系统，融合无监督与小样本学习算法，实现音质全自动量化检测，建立声学质检数字化新范式。

　　“这套系统帮了我们大忙。”该负责人表示，传统异音检测高度依赖人工听检，面临诸多挑战。首先，人力资源门槛高。需筛选听力敏锐的员工，并经过长期培训才能上岗，人力成本高、培养周期长。其次，主观性强、标准难统一。不同人员对“异音”的判断存在个体差异，难以实现质量标准的量化与一致性。此外，产能瓶颈明显。随着产线扩产，人工检测成为制约效率与质量管控的瓶颈，尤其在高峰交付期难以保障全检覆盖率。

　　因此，异音检测亟需实现检测过程的标准化、自动化、智能化。为此，公司研发了这套AI检测系统。系统里的AI模型可捕捉人耳难以分辨的微弱异音特征，检测准确率显著优于人工，具备高精度识别能力。同时，系统标准可量化、可迭代，所有判定基于数据驱动，检测标准可固化、可追溯，并随数据积累持续优化。更值得一提的是，系统可连续作业，不受疲劳、情绪等人为因素干扰，大幅提升了检测效率与一致性。

　　“人工智能在此不仅是‘替代人工’，更是推动质检从‘经验驱动’迈向‘数据驱动’的关键引擎，为智能制造提供了可复制、可推广的落地范式。”该负责人说。

　　未来，该公司还将围绕“更智能、更柔性、更集成”三大方向持续创新。在算法层面，探索小样本学习、跨产品迁移学习等技术，降低新产线部署成本;在系统层面，推动AI检测模块与MES/PLM等工厂系统深度集成，实现质量数据闭环管理;在应用拓展层面，将异音检测能力延伸至更多声学类产品乃至非声学振动类场景，打造通用型工业听觉AI平台，让AI不仅“听得准”，更能“听得懂”，成为工厂的“智能听诊器”。

编辑：李志