上海创单

Python训练到MCU推理声学AI

工业声学检测 vs 机器视觉·能力边界

机器视觉应用非常广，机器听觉目前应用范围并不广，从实际应用的角度分析机器听觉的优势

没有不良品样本怎么做AI质检

工业声学 AI 工程化的三道坎：从良品基线到边缘对齐

声纹识别在语音行业已经服役了几十年。但当同样的技术被搬到车间，用来判断一台泵机轴承是否早期磨损、一段蒸汽管网是否在微漏、一块汽车顶蓬的麦克风模组装后是否损伤时，事情突然变难了。 难不在算法。MFCC、One-Class、谱减降噪，这些组件在学术和语音场景里都成熟得很。难的是，工业现场把"算法 demo"变成"产线准确率

蒸汽管道泄漏声纹监测：选型看哪些硬指标

蒸汽管道泄漏声纹监测：选型看哪些硬指标

A2B 数字麦克风产线 EOL 声学检测怎么选：从人工嘴到一体化测试工位

汽车音频架构向 A2B 数字总线迁移，让数字麦克风成为智能座舱、主动降噪、车内通话的标准拾音器件。随之而来的，是产线"最后一道声学关"——EOL（End of Line，下线）检测——正在从半人工走向自动化。这篇文章从工程角度，把这件事的来龙去脉和测试方案讲清楚。 一、为什么要测：装车前的必选项 麦克风模组在装车前，必

AI 声学检测的国产化窗口：当质检员不再需要“金耳朵”

声纹检测在管道泄漏中的应用：从工业管网到城市水务

管道泄漏检测长期面临同一个悖论：声学是最有效的技术手段，却也是最难标准化的。供水管网漏损率已被列为国家节水型城市的底线指标（CJJ 92 规定核算后 ≤9%），但"听音法依赖老师傅经验、相关仪成本高、噪声记录仪误报多"的现实没有根本改变。本文梳理管道声学检测从听音棒到 AI 声纹的技术谱系，拆解工业管网与城市水务之间四个必须重新校准的物理变量，并给出水务场景的三个可落地切入点。适合管网运维、智慧水务规划与设备选型的工程人员。