SonoDAQ 是新一代的高性能数据采集系统，专为声学与振动测试设计，采用模块化架构，让数据采集工作更高效、更精准。从工业现场到实验室测量，SonoDAQ 都能满足高精度数据采集需求，并为多通道同步采集提供无缝支持。 模块化设计，灵活应对各种应用 SonoDAQ 采用全新的模块化设计，能够根据不同的需求灵活配置。无论您是需要4通道的基础配置，还是需要扩展到数百通道的大规模系统，SonoDAQ 都能轻松应对。您可以根据项目需求自由选择模块，随时扩展系统，避免不必要的成本支出。这种灵活性非常适合动态变化的测试环境。 高精度同步，确保测试结果的准确性 在声学与振动测试中，数据的精度至关重要。SonoDAQ 配备 32-bit ADC 和最高204.8 kHz的采样率，并通过 PTP（IEEE 1588） 和 GPS同步 保证各个通道之间的时间同步误差小于 100ns。这一同步精度使得您可以在多通道、大规模分布式采集系统中，依然得到可靠且一致的数据结果。 多种网络拓扑结构，灵活扩展采集系统 SonoDAQ 的另一个亮点是其强大的分布式采集能力，通过 菊花链、星型拓扑等多种网络连接方式，可以方便地将多台设备集成到同一采集系统中。借助 PTP（精密时间协议） 和 GPS同步技术，无论是小规模的实验室测试还是大规模的现场数据采集，SonoDAQ 都能提供纳秒级同步，确保不同设备之间的数据同步和一致性。您可以根据实际需求选择不同的系统拓扑结构，灵活应对各种复杂测试场景。 创新的结构设计，现场应用的理想选择 SonoDAQ 的框架采用 5000t 铝挤压工艺，结合 碳纤维增强塑料，不仅提供卓越的坚固性，还大幅降低了设备重量。此外，SonoDAQ支持PoE供电、电池热插拔，让设备在恶劣环境下依然保持高效运行，满足长时间连续采集的需求。无论是在实验室，还是在工业现场，SonoDAQ 都能提供稳定的工作表现。 丰富的信号兼容，拓展您的测试边界 SonoDAQ 支持多种信号输入，包括 IEPE传感器、CAN总线、数字I/O等多种接口协议。这让它能够适应更广泛的测试需求，从振动监测到电机噪声分析，都能轻松实现。无论您是进行基础数据采集还是高阶信号分析，SonoDAQ 都能为您提供所需的精度和灵活性。 提升测试效率，让数据采集更简单 借助SonoDAQ 配套的 OpenTest 软件，您可以实时监测、分析采集到的信号。OpenTest 提供直观的界面和强大的数据分析功能，帮助您更轻松地处理和呈现测试数据。不仅如此，SonoDAQ 还支持 ASIO、OpenDAQ 等开放协议，方便您与其他测试工具或软件的集成。 SonoDAQ 将帮助您简化测试流程，提升数据采集的效率，并在各种复杂的测试环境中提供精确的测量。无论是进行噪声测试、振动分析，还是复杂的声学功率测量，SonoDAQ 都是您理想的选择。今天，选择 SonoDAQ，为您的测试工作带来革命性的改变！ SonoDAQ准备好革新您的测试流程——不要再等待，赶紧体验它的强大功能吧！立即联系我们：info@crysound.com！

在耳机、音箱、可穿戴设备等消费音频产品遍地开花的今天，用户对“好声音”的要求已经不止于能听清，而是要听得舒服、干净、没有任何多余的“沙沙声”“咯噔声”“刮蹭声”。但在大多数工厂里，异音测试仍然大量依赖人工听音——排班、人为主观差异、疲劳、情绪波动，都在真实地影响你的良率和品牌口碑。 这篇文章，我们就结合CRYSOUND的TWS耳机AI听音检测实际项目经验，聊聊如何用AI把“人耳”从产线解放出来，让听音测试真正做到稳定、高效、可复制。 一、为什么音频听音测试这么“伤人力”？ 在传统方案中，产线通常是：电声指标自动测试 + 人工听音复判。 人工听音的痛点非常清晰： 主观性强：不同听音员对“沙沙声”“刮蹭声”的敏感度不同，同一个人早班和晚班判断也可能不一致； 扩展性差：人耳听音需要高度集中注意力，长时间工作很容易疲劳，在大规模量产时难以支撑高UPH； 培训成本高：合格的听音员要经过系统培训和长期经验积累，新人上手慢； 结果难以追溯：主观判断很难形成量化数据和轨迹，给后续质量分析与改进带来困难。 这也是为什么业界一直在寻找一种方式——在不牺牲“人耳敏感度”的前提下，用自动化和算法把这件事做得更稳定、更经济。 二、从“人耳”到“AI 耳”：CRYSOUND 的整体思路 CRYSOUND 给出的答案，是一套围绕CRY异音测试系统打造的标准化机台平台，再结合AI听音算法与专用治具，形成软硬件一体的完整方案。 1.方案的核心特性： 一机多用的标准化平台：模块化设计，既可做常规SPK音频、底噪等测试，也可做异响/AI异音测试； 一拖二并行测试：单台设备可同时测试2只耳机，在典型项目中UPH可达120 PCS； AI听音分析模块：通过收集良品数据建立模型，自动判定异响品，显著减少人工听音工位； 低底噪测试环境：高性能隔音箱+箱中箱结构，将本底噪声控制在约12dBA，为AI算法提供稳定的声学环境。 简单理解，这套方案就是： “一台标准机台 + 一套专用治具 + 一套AI听音算法”。 2.典型测试通路 以测试主机为核心的“实验室/产线一体化”链路： PC 主机 → CRY576 蓝牙适配器 → TWS 耳机； 耳机发声由 CRY718-S01 仿真耳 采集； 信号经 CRY6151B电声分析仪采集与分析； 软件端调用AI听音算法模块，对WAV数据进行自动分析，输出PASS/FAIL结果。 3.治具与隔音箱：把“工位波动”降到最低 产品放置姿态与耦合状态往往决定测试一致性。方案通过治具与箱体层面尽量固化每一次测试条件： 治具：软胶仿形凹模设计。仿形凹模保证每次都以同样姿态贴合仿真耳，减少位置误差带来的测试波动；软胶保证密封性，避免对耳机造成机械损伤； 隔音箱：内箱减震与声学隔离，降低外部机械振动与环境噪声对结果的影响。 4.专业级声学硬件（示例配置） CRY6151B 电声测试仪：20–20 kHz 频率范围，低本底噪声与高动态范围，兼顾信号输出与测量输入； CRY718-S01 仿真耳套装：符合IEC/ITU相关要求，低底噪特性可达 12 dBA 级别（以配置/条件为准）； CRY725D屏蔽隔音箱：集成射频屏蔽与声学隔离能力，适配TWS测试场景。 三、AI 算法：无监督异常检测如何“识别不正常” 1.训练流程：只需要“正常的”耳机 CRYSOUND的AI听音方案采用一种无监督异常声音检测算法。它的最大特点是：无需提前收集各种异常样本，只用正常良品就能训练出一个“懂好声音”的模型。 在实际导入时，典型步骤如下： ① 准备不少于100个听音良品，在与量产测试相同的环境下，采集这100个良品的WAV数据； ② 用这些良品数据训练模型（每个10秒的100个样本，训练时间通常 < 1分钟）； ③ 使用模型对良品和不良品样本进行测试，对比结果分布，制定判定框线； ④ 训练结束后，模型即可用于量产测试，单个样本预测时间 < 0.5秒。 在这个过程中，无需工程师手动标注每一种异音类型，大幅降低项目导入门槛。 2.原理简述：让模型先“复述”一遍正常声音 算法大致分为三步： ① 时频图谱化：将录制的波形转换成时频图谱（类似一张“声音的照片”）。 ② 深度学习重建： 使用在“正常耳机”上训练好的深度学习模型，对时频图谱进行重建； 对正常样本，模型能较好“复刻”出原图谱；对含有异音的样本，异常部分难以被重建。 ③ 差异分析： 比较原始频谱图与重建频谱图，分别沿时间轴和频率轴计算，得到两条差异曲线； 异常样本在这两条曲线上会呈现显著异常“峰值”或能量集中特征。 通过这种方式，算法对“正常”模式具有极强的拟合能力，对偏离正常模式的所有异常会天然敏感，因此无需为每一种异音单独建模。 在实际项目中，这套算法已经在10个以上项目上验证，缺陷检出率可达99.9%。 3.AI听音的实际优势 不依赖异常样本：不再需要苦苦收集各种“刮蹭声”“电流声”样本； 适应新异常：即便出现训练阶段未见过的新型异常，只要其与正常模式差异明显，算法就能识别出来； 持续学习：后续可以不断补充新的良品数据，让模型长期适应线体与环境的轻微漂移； 极大减少人工工作量：从“人人听音”变成“AI扫描 + 少量抽检”，将人力释放到更高价值的分析和优化工作上。 四、典型落地案例：某ODM TWS产线实战 某ODM厂商的TWS产线，单日出货规模在千套级。为了提升良率并减少人工听音压力，导入了AI异音测试方案： 项目导入AI异音测试方案前导入AI异音测试方案后测试方式4 个人工听音工位，纯人工听音判异响4 台 AI 听音测试设备，每台测试一对耳机用工配置4 名操作员（全职听音）2名操作员（上/下料 + 异常复判）质量风险受主观性与疲劳影响，存在漏测、不良流出试产阶段设备结果与人工抽检一致，稳定性明显提升试产阶段工作确定人工听音流程采集样本、训练AI 模型、设定框线、人工抽检确定可行性产线日产能（单线）以人工节拍为限约1000套耳机/天异音检出率存在漏检，未量化≈ 99.9%误测率（误判良品）受主观性与疲劳影响，未量化≈ 0.2% 在这一条产线上，AI听音基本接管了原有的人工听音工作，不仅减掉了一半人力，也显著降低了漏检风险，为后续在更多产线复制铺开提供了数据依据。 五、导入建议：怎么把这套方案用好？ 如果你正在考虑导入AI异音测试，可以从下面几个方面着手： 1.尽早规划样本采集 在试装/小批阶段就开始积累“确认无异音”的良品波形，为后续AI训练抢占时间。 2.保证周围环境干扰少 AI听音测试机台需远离点胶机、焊接机等高噪音工位，通过关闭报警器声音，规范搬运车通道需远离测试机台、避免地面振动等措施，可降低误测。 3.确保测试条件一致 训练阶段与量产阶段采用同一套隔音箱、仿真耳、治具及测试序列，避免环境差异导致模型迁移困难。 4.保留一段时间的人机共存阶段 初期可以采用“AI 100% + 人工抽检”的方式，逐步放开到“AI 100% + 少量 DOA 复判”，最大化降低导入风险。 结语：让测试回归“看数据”，把人力用在更有价值的地方 AI听音测试，本质上是一次 从“人耳经验”向“数据与算法”迁移的产业升级。 依托CRY标准化机台、专业声学硬件、针对不同种类产品优化的治具与AI算法，CRYSOUND正在帮助越来越多客户，把耗时耗力又主观的人工听音，变成一件稳定、可量化、可复用 的事情。 如果你正在为耳机异音测试头疼，或者希望在下一代产线中尝试 AI 听音，不妨考虑让CRY AI听音测试解决方案做一次“试装”——也许从这一站开始，你的产线就再也不用为“谁今天值班听音”而发愁了。 欢迎通过官网https://www.crysound.com.cn/或通过邮箱info@crysound.com联系我们。

现代化汽车与家电中，电机应用广泛（汽车的旋转屏、电动座椅等，家电的风扇等），其平稳运行直接影响产品品质体验。电机异响是制造业长期难题，不仅拉低产品档次，还可能是轴承磨损、部件松动等故障信号，放任不良品流入市场会损害品牌口碑与用户体验。 传统 “人工听音”，痛点太多靠不住 过去，电机异响检测常依赖 “人工听音”，但人耳判断存在诸多局限： 主观易误判：异常声被大背景音掩盖时，人耳难识别；判断全凭经验，结果缺乏客观依据。 无法量化分析：异响严重程度 “没数据”，品质标准难统一。 效率低易疲劳：长时间检测后人耳疲劳，检出率直线下降，不良品 “溜出厂” 的风险陡增。 破局之道：用智能方案打破人工瓶颈 兆华电子CRYSOUND深耕声学检测领域，推出电机异响 EOL 测试标准方案，以 “硬件 + 软件 + AI” 的组合，构建了 “全流程闭环检测”，为电机异响检测插上 “智能翅膀”！ 核心组成：异响检测硬件系统 + 测试软件平台 隔音箱：营造无干扰的检测环境，隔绝外界噪音对 “异响识别” 的干扰； 数据采集模块：精准捕捉电机运行时的声振信息，不放过任何细微异常；算法分析：对采集到的信号进行处理、分析与智能判定，让 “异响” 无所遁形。 ▪先通过传感器精准采集声振信号，把 “声音” 转化为数字化数据； ▪再由系统对数据进行处理，自动输出图表化分析结果（异常在哪、程度如何，一目了然）； ▪后融入瞬态分析、FFT 频谱、声品质等专业算法，结合深度学习模型，能自动识别 “轴承磨损”“部件松动”“异物干扰” 等引发的异常音，彻底告别 “人为误判”，精准区分良品与不良品。 多场景覆盖：从电机起步覆盖高端制造领域，为各行业的品质管控 “加码” 本方案已广泛应用于： 1.电机总成：各类微特电机、驱动电机、执行器等电机或零部件异响检测； 2.汽车零部件：车身域的空调出风口、座椅系统/滑轨/电机、电动天窗、电动门把手等零部件；智能座舱域的HUD/屏幕转轴等零部件；底盘域的制动系统、转向系统等零部件，自动驾驶域的激光雷达等异响测试； 3.家电产品：高端家电、智能家居等电机或零部件的异响测试； 4.其他：对声品质有严苛要求的工业异响测试场景。 五大优势，让品质检测更 “聪明” 1.AI 声学检测，机器代人听检：摆脱人工依赖，检测更客观、高效，24 小时工作也不 “累”； 2.异响精准捕捉，可视化呈现：异常音的特征，通过数据图表直观展示，问题 “一看就懂”； 3.支持 EOL 全检，结果可溯可查：全流程数据留存，品质追溯有依有据，合规性拉满； 4.高度集成一站，生产效率提高：一体化方案简化检测流程，无缝对接产线，生产节奏更顺畅； 5.助力良率提升，客诉风险降低：把好品质关，不良品难流出，用户投诉自然少。