Système de test d'anomalies acoustiques pour casques basé sur l'IA

La solution CRYSOUND de test d'anomalies acoustiques pour casques basée sur l'IA est construite autour du système CRY de test d'anomalies acoustiques.
Vue d’ensemble

Vue d'ensemble

Dans la production de masse d'écouteurs TWS et d'autres produits audio intelligents, les approches de test classiques, qui combinent généralement des mesures électroacoustiques et une écoute manuelle, sont de plus en plus limitées par leurs contraintes inhérentes. L'écoute manuelle repose fortement sur l'expérience individuelle et la perception subjective, ce qui rend difficile le maintien de critères d'évaluation cohérents entre les opérateurs, les équipes et les lots de production. De plus, ces approches peinent à satisfaire les exigences d'efficacité et de temps de cycle des lignes de fabrication automatisées modernes à grande échelle. La solution CRYSOUND de test d'anomalies acoustiques des écouteurs basée sur l'IA est construite autour du système de test d'anomalies acoustiques CRY. En intégrant des algorithmes d'écoute pilotés par l'IA à une plateforme de test standardisée, la solution permet une détection entièrement automatisée et intelligente des sons anormaux. Sur la base d'un modèle de référence dérivé de bonnes unités, le système analyse et évalue l'audio de lecture des écouteurs avec une grande stabilité et une forte cohérence, éliminant le besoin d'écoute humaine tout en offrant des capacités fiables d'inspection acoustique à haut débit pour les environnements de production de masse.
Vue d’ensemble
Schéma fonctionnel du système

Schéma fonctionnel du système

Prepare more than 100 good products for testing and collect data"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> Use the collected WAV files for modeling"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> Use the model to test data of good and defective products, and set the pass/fail threshold"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"data-type":"leaf"},""]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"},"data-type":"leaf"},"Test Workflow"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The host computer controls the Bluetooth dongle to connect to the device under test and start production testing"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The Bluetooth dongle controls the device under test to play audio sources, while the CRY711 simulation ear collects data"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The software AI algorithm analyzes the wave file and outputs the test results"]]]]">Flux de travail d'entraînement
Prepare more than 100 good products for testing and collect data"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> Use the collected WAV files for modeling"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> Use the model to test data of good and defective products, and set the pass/fail threshold"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"data-type":"leaf"},""]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"},"data-type":"leaf"},"Test Workflow"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The host computer controls the Bluetooth dongle to connect to the device under test and start production testing"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The Bluetooth dongle controls the device under test to play audio sources, while the CRY711 simulation ear collects data"]]],["p",{"rPr":{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC","hint":"eastAsia"}}},["span",{"data-type":"text"},["span",{"fonts":{"ascii":"HarmonyOS Sans SC","eastAsia":"HarmonyOS Sans SC","hAnsi":"HarmonyOS Sans SC"},"data-type":"leaf"},"-> The software AI algorithm analyzes the wave file and outputs the test results"]]]]">> Préparer plus de 100 bons produits pour les essais et collecter les données> Utiliser les fichiers WAV collectés pour la modélisation> Utiliser le modèle pour tester les données de bons produits et de produits défectueux, puis définir le seuil de réussite/échecFlux de travail de test> L'ordinateur hôte commande le dongle Bluetooth pour se connecter au dispositif sous test et lancer le test de production > Le dongle Bluetooth commande le dispositif sous test pour lire des sources audio, tandis que l'oreille de simulation CRY711 collecte les données > L'algorithme logiciel d'IA analyse le fichier WAV et fournit les résultats du test
Schéma fonctionnel du système
Fonctionnalités

Fonctionnalités

  • Détection intelligente d'anomalies acoustiques pilotée par l'IA

Au cœur de la solution se trouve un algorithme d'écoute basé sur l'IA qui apprend les caractéristiques acoustiques de bonnes unités afin d'établir un modèle de son normal stable. En comparant l'audio de test à ce modèle, les caractéristiques anormales sont efficacement amplifiées, ce qui permet une détection très sensible des bruits de frottement, des anomalies transitoires et des défauts acoustiques en régime établi. Même dans des scénarios où les méthodes d'analyse classiques ne parviennent pas à différencier les défauts, le système fournit des jugements stables et fiables.

  • Tests parallèles haute efficacité pour la production de masse

Le système prend en charge des tests parallèles multi-stations, permettant d'évaluer simultanément plusieurs écouteurs. Cela améliore considérablement le débit de test tout en maintenant une grande précision de détection, remplaçant efficacement l'écoute manuelle et répondant aux exigences strictes d'efficacité et de stabilité des lignes de production à grand volume.

  • Environnement de test homogène et forte répétabilité

Grâce à une structure d'isolation acoustique « boîte dans la boîte » et à des montages de test standardisés, les interférences dues au bruit ambiant sont minimisées, garantissant des résultats de test cohérents et comparables entre les différentes stations et les différents lots de production. La conception modulaire du système permet un déploiement flexible et une réplication rapide, rendant la solution adaptée à la validation R&D, à la production pilote et à la fabrication de masse à grande échelle.

Fonctionnalités
Vue d’ensemble de l’algorithme d’IA

Vue d'ensemble de l'algorithme d'IA

Le cœur de la solution d'écoute par IA de CRYSOUND réside dans un algorithme de détection d'anomalies acoustiques basé sur l'apprentissage profond. Le système traite les données audio WAV collectées pendant la lecture via les écouteurs et analyse les caractéristiques sonores à la fois dans les domaines temporel et fréquentiel, fournissant une représentation complète des comportements acoustiques complexes. Pendant l'entraînement, seules les données de bonnes unités sont utilisées pour établir un modèle de son normal stable. Lors des tests de production, les données audio entrantes sont comparées à ce modèle de référence. Lorsque des anomalies telles que des bruits de frottement, des perturbations transitoires ou des défauts en régime établi sont présentes, leurs signatures acoustiques s'écartent fortement du modèle normal et sont précisément identifiées comme des défauts. En s'appuyant sur la modélisation de bonnes unités et une analyse différentielle, l'algorithme d'écoute à base d'IA fournit une détection d'anomalies stable et cohérente sans intervention humaine. Il maintient des performances fiables même dans les cas où les méthodes d'analyse traditionnelles sont en difficulté, satisfaisant pleinement les exigences de robustesse et de répétabilité des applications de production de masse.
Vue d’ensemble de l’algorithme d’IA
FAQ

Appareils système

Découvrir plus de cas

Détection de sons anormaux : des oreilles humaines à l'IA

Avec la croissance rapide des produits audio grand public tels que les casques, les haut‑parleurs et les objets connectés, les attentes des utilisateurs en matière de « bon son » vont bien au‑delà du simple fait d'entendre clairement. Ils veulent désormais un son confortable, propre et exempt de tout bruit supplémentaire de froissement, de clic ou de [...]

Système de test audio pour dispositifs AR/VR

Ces dernières années, la technologie AR/VR (réalité augmentée/réalité virtuelle) a

Mise à niveau des tests en ligne de production pour les lunettes AR - Solution audio & VPU multi‑postes

À mesure que le marché des lunettes AR passe de la preuve de concept à la commercialisation à grande échelle, les capacités produit en matière d'interaction audio et haptique continuent de s'étendre, ce qui accroît les exigences en matière de tests en ligne de production. Avec des modules clés tels que l'audio et le VPU [...]

Contactez-nous

Si vous êtes intéressé ou si vous avez des questions sur nos produits, réservez une démonstration et nous serons ravis de vous montrer comment ils fonctio ent, à quelles solutions et cas d'usage ils peuvent participer et de discuter de la façon dont ils peuvent répondre à vos besoins et à ceux de votre organisation.

Downloads Téléchargements
Cart 0
Panier
+86-571-88225128 +86-571-88225128
Experience Demo Essayer la démo
Ask an Expert Demander à un expert