異音是產品質量異常的直接表征，也是判定產品質量問題的重要依據。人工主觀判斷是目前提取異音常用、貼合實際需求的方法，但受高成本、判斷結果易主觀波動等因素影響，異音的機器智能判斷已成為行業發展趨勢。

  機器實現異音判斷主要分為樣本提取、特征庫學習、在線判斷三大核心環節，其中樣本提取的數量與質量決定了機器判斷的準確性，特征庫學習能提煉出更可靠的判斷依據，在線判斷則真正實現機器對人工的替代。接下來，先為大家介紹機器判斷的初步核心環節 —— 前期取樣與樣本庫搭建。

  多類傳感器取音，超靈敏完成信號采樣。特定產品可省去消聲箱，兼顧檢測效率與經濟性。搭配耳機，異音感受更直觀明顯。支持人工分級，快捷鍵綁定各類異常類型。一鍵存儲樣本數據，快速搭建專屬樣本庫

  樣本庫的搭建是異音機器判斷的基礎，優質的樣本數據能為后續的特征庫學習提供扎實的支撐。