行业挑战
传统靠人耳听音判断异响，在规模化、高质量追溯的要求面前越来越力不从心。
01 · 人力依赖
会累、会走、会退休
培养一名听音师傅要 3–6 个月，连续听音 2 小时高频敏感度就急剧下降；师傅一退休，整条产线的标准随之消失。
02 · 离线抽检
静音房里的数据「孤岛」
静音房造价 50–100 万/间，把检测变成离线孤岛——抽检率仅 5%，部分产品未经声学检测就流向市场，数据资产缺失。
03 · 主观波动
忽高忽低、无法对齐
「异响」本质主观——不同师傅、班次、工厂标准各异，客诉发生时无据可查。
04 · 数据黑洞
说不上来「哪不对」
「听着不太对」却说不清哪不对，质量数据锁在耳朵里，无法数字化、无法反推工艺。
四层能力
不仅判定 OK / NG，还要分类异响、定位异响——把「听感」变成可追溯、可反推工艺的质量结论。
01 · 测得准
客观指标 + AI 交叉验证
客观数字与时频影像支撑，结论可对标主流评价方法，减少误判漏判。
02 · 测得全
100% 逐台全检
不抽检、不遗漏，每一件产品都过声学检测，不增加生产节拍。
03 · 分类异响
不止 OK / NG
识别异响类型——摩擦、冲击、啸叫、共振，各有敏感指标体系。
04 · 定位异响
锁定位置与工序
异响类型 → 锁定工序 → 反推工艺，不止挑次品，更帮您改良率。
核心引擎
机理模型快、准、可解释；深度学习懂整体、抓隐性。二者互补，缺一不可。
第一层 · 机理模型引擎
客观指标，可解释、可对标
把声音拆成一组客观数字与时频影像，像实验室化验单一样可复核。
第二层 · AI 深度学习引擎
端到端感知，抓隐性异常
不挑单一指标，端到端整体感知声学特征，捕获单指标与人耳都抓不到的细微异常。
处理链路
01
感知
接触式 + 非接触式
4 通道 16 位深
44.1kHz 同步采集
02
推理
机理指标 + AI 感知
双层引擎并行判读
03
解释
客观指标 + 图谱
可复核可写报告
04
行动
OK / NG 判定
PLC 联动 + MES 上报
05
进化
数据回流 → 迭代
模型持续提升
自研硬件
接触式传感器直接耦合结构振动，从物理层面隔离环境空气噪音，是区别于竞品的核心硬件能力。
VH23 · 接触式传感器
电子「听诊器」
压电式加速度计（IEPE），机械耦合直接采集振动，物理层面抑制环境空气噪声。
SV30 · 数据采集器
四通道同步采集
16 位深 / 44.1kHz 采样，接触式/非接触式混合接入，产线可多台同步扩展。
HP AIPC · 边缘计算
数据不出厂
边缘节点本地处理，满足 IATF 16949 追溯审计要求。
目标产品 · 应用场景
不同产品匹配不同敏感指标，覆盖汽车零部件与更广的工业与消费电子场景。
冷却风扇 · CFM
冷却风扇模块
叶频噪声、不平衡、擦碰、电磁啸叫。多转速点扫描，空气声与结构振动贡献分离。
电动尾门 · PLG
电动尾门驱动
启停冲击、啸叫、摩擦、卡滞。左右驱动同步，全行程分段，锁止事件检测。
转向电机 · EPS
电动助力转向电机
电磁阶次、轴承、不平衡。电流/转速/负载同步，正反转与控制啸叫检测。
车门模块 · DM
车门模块
摩擦、导轨异响、共振。升降行程位置、密封负载、载板共振检测。
侧门驱动 · SDD
电动侧门驱动
电机声、制动摩擦、冲击。开闭方向、制动、限位与冲击检测。
座椅 · SEAT
座椅专项
摩擦、冲击、卡滞、共振。多通道 + 阶段 + 位置信号，机构复杂建议第二阶段导入。
更多应用场景 · Beyond Automotive
整车声学
NVH · 座舱
整车路试、座舱异响定位与零部件溯源，覆盖整车级声学质量。
主机厂 / Tier1
座椅 · 出风口 · 头枕
多品类零部件异响检测，从单一产品到多品类全覆盖。
3C 消费电子
笔记本 · 触控板
高转速散热风扇异响、触控板按压异响、键盘键程异响，覆盖消费电子声学质量检测。
机电设备运维
轴承 · 齿轮 · 电机
轴承缺陷、齿轮啮合、电磁噪声，产线设备在线状态监测与故障预警。
客户与应用
从外资汽车零部件到本土主机厂，客户覆盖德企、日企、美企及央企、民企，产品涵盖汽车零部件与机电设备。
遮阳帘 · 德企
电机 / 导轨
电机噪声、导轨摩擦异响检测。
转向系统 · 日企
转向执行 / 齿轮
转向执行噪声、齿轮啮合异响检测。
制动系统 · 美企
制动执行 / 摩擦
制动执行器噪声、摩擦异响检测。
电动头枕
调节电机 / 传动
调节电机噪声、传动异响检测。
执行器
齿轮传动 / 冲击
齿轮传动噪声、冲击异响检测。
摇窗机
升降电机 / 导轨
升降电机噪声、导轨摩擦异响检测。
电子水泵
叶轮 / 轴承 / 电磁
叶轮噪声、轴承缺陷、电磁噪声检测。
压缩机
机械振动 / 运转
机械振动、运转噪声检测。
交付模式
从机理分析到全量模型，从产线检测到质量研发
机理检测系统
Tinia 机理引擎 + 一体机硬件（采集器 + 接触式传感器），快而稳，适合首线快速上线。
机理 + AI
在机理基础上叠加深度学习引擎，抓隐性、能进化，适合多线规模化场景。
全量服务
数据标记 + 算法调优 + 全流程交付 + 升级维保，交钥匙，适合灯塔 / 标杆项目。
报价按 单节点 / 整线 / 多节点 核算 · 含税 · 以实测方案与合同为准
为什么选我们
| 维度 | 人工听音 | 简单阈值 | 普通 AI | SmartQuality |
|---|---|---|---|---|
| 判断依据 | 老师傅「感觉」 | 单一指标超标 | 单一算法阈值 | 双层引擎联合判定 |
| 一致性 | 早午班不一致 | 稳定一致 | 稳定一致 | 稳定 + 交叉验证 |
| 可解释性 | 说不上来 | 指标可查 | 黑箱 | 指标 + 图谱 + 置信度 |
| 覆盖类型 | 凭经验 | 只能抓超标 | 一种算法 | 多类异响各有敏感指标 |
| 未知异常 | 看运气 | 无 | 训练集外失明 | 特征距离提示复核 |
| 持续进化 | 会退休 | 固定阈值 | 需人工重训 | 闭环回流越用越准 |
| 工艺反馈 | 只能挑次品 | 知道超/不超 | 知道过/不过 | 类型→工序→改良率 |
检测报告
不是看一个数字就下结论，而是多指标、多引擎综合后给出可追溯的声学质量结论。
结论背后，都有指标与图谱支撑
机理模型的客观指标、时频影像，加上深度学习引擎的端到端感知，全部汇总到联合判定机制。
按不同异响的「敏感指标体系」加权融合，最终给出：是否异响、异响类型、严重程度、改善建议。
每一个结论都可 追溯、复核、反推工艺——不止挑次品，更帮您改进良率。
SmartQuality AI 检测报告
No. SQ-2026-XXXX✓ 双层引擎联合判定 · 可追溯
价值回报
人工替代是最硬的回报，客诉降低是最大的杠杆——价值因行业、产线规模与 NG 率而异。
检测覆盖
从抽检 1–5% 到 100% 逐台全检，漏检风险随覆盖率消失。
人工替代
专职听音工 → 兼职监控 + 复核，人工检测成本 大幅下降。
判定一致性
人耳主观、班次波动 → 客观指标 + AI，稳定一致、可追溯。
客诉与召回
全检拦截 + 数据反推工艺，客诉 / 召回风险 显著降低。
技术壁垒
算法
CNN+Transformer
混合架构、语义特征空间、已知 + 未知双通道、闭环持续学习。
工程
接触式传感集成
传感器设计与集成、产线自适应降噪、多系统集成、大规模部署经验。
数据
行业特征库
与头部客户合作积累的行业异响特征库与多行业落地 know-how。
行业
客户深度验证
头部客户深度合作验证、行业 know-how 沉淀、客户口碑积累。
实施路径
风险前置、信任渐进——从项目启动到终验收的标准化交付流程。
S0
启动
组建团队
确认分工
S1
数据
数据分流
通道映射
S2
标签
缺陷字典
真值标注
S3
训练
机理调参
模型验证
S4
预验收
冻结盲测
指标验证
S5
试运行
影子运行
对比人工
S6
终验收
量产验证
签署验收
S7
总结
标准化
扩展建议
常见问题
