Deteção de Sons Anómalos: Dos Ouvidos Humanos à IA

Com o rápido crescimento de produtos áudio de consumo, como auscultadores, colunas e wearables, as expectativas dos utilizadores para um "bom som" vão hoje muito além de simplesmente conseguir ouvir com clareza. Agora querem um som confortável, limpo e isento de ruídos adicionais de farfalhar, estalar ou arranhar.

No entanto, na maioria das fábricas, os testes de som anómalo ainda dependem fortemente da audição humana. Os horários de turnos, as diferenças subjetivas entre operadores, a fadiga e o estado emocional influenciam diretamente a sua taxa de rendimento e a reputação da marca.

Neste artigo, com base na experiência de projetos reais da CRYSOUND com inspeção de escuta por IA para earbuds TWS, explicamos como utilizar IA para "libertar os ouvidos humanos" da linha de produção e tornar os testes de escuta verdadeiramente estáveis, eficientes e repetíveis.

Porque é Que o Teste de Escuta de Áudio É Tão Intensivo em Mão de Obra?

Em configurações tradicionais, a linha de produção segue normalmente este padrão:

teste eletroacústico automático + recontro manual de escuta.

Os pontos fracos da escuta manual são muito claros:

• Forte subjetividade: Diferentes ouvintes têm sensibilidades diferentes a ruídos como "farfalhar" ou "arranhar". Até a mesma pessoa pode avaliar de forma inconsistente entre os turnos da manhã e da noite.
• Fraca escalabilidade: A escuta humana exige grande concentração e é fácil entrar em fadiga durante longos períodos. É difícil suportar um UPH elevado na produção em massa.
• Elevado custo de formação: Um ouvinte qualificado necessita de formação sistemática e acumulação de experiência a longo prazo, e os novos operadores demoram tempo até atingirem o nível necessário.
• Resultados difíceis de rastrear: Os juízos subjetivos são difíceis de converter em dados quantitativos e históricos, o que torna mais desafiante a posterior análise e melhoria da qualidade.

É por isso que o setor procura há muito uma forma de utilizar automatização e algoritmos para realizar este trabalho de forma mais estável e económica - sem sacrificar a sensibilidade do "ouvido humano".

Dos "Ouvidos Humanos" aos "Ouvidos de IA": Abordagem Global da CRYSOUND

A resposta da CRYSOUND é uma plataforma de teste normalizada construída em torno do sistema CRYSOUND de teste de som anómalo, combinada com algoritmos de escuta por IA e dispositivos de fixação dedicados, formando uma solução completa e integrada de hardware e software.

Principais Características da Solução:

• Plataforma normalizada e multiuso: Conceção modular que suporta tanto testes áudio/ruído SPK convencionais como testes de ruído anómalo / escuta por IA.
• Teste paralelo 1‑para‑2: Um único sistema pode testar dois earbuds em simultâneo. Em projetos típicos, o UPH pode atingir cerca de 120 peças.
• Módulo de análise de escuta por IA: Ao recolher dados de unidades boas para construir um modelo, o sistema identifica automaticamente as unidades com som anómalo, reduzindo significativamente os postos de escuta manual.
• Ambiente de teste de baixo ruído: Uma câmara acústica de alto desempenho, em conjunto com uma estrutura de caixa interna, mantém o ruído de fundo em cerca de 12 dBA, proporcionando um ambiente acústico estável para o algoritmo de IA.

De forma simples, a solução é:

Um banco de teste normalizado + um dispositivo de fixação dedicado + um algoritmo de escuta por IA.

Caminho Típico do Sinal de Teste

Centrada no host de teste, a cadeia unificada "laboratório + linha de produção" é a seguinte:

• Host PC → Adaptador Bluetooth CRY576 → Auscultadores TWS
• Os auscultadores emitem som, captado pelo Simulador de Orelha CRY718-S01
• O sinal é adquirido e analisado pelo Analisador Eletroacústico CRY6151B
• O software chama o módulo de algoritmo de escuta por IA, realiza a análise automática dos dados WAV e gera um resultado PASS/FAIL

Dispositivos de Fixação e Câmara Acústica: Minimizar a Variação Entre Estações

A postura de posicionamento do produto e as condições de acoplamento determinam muitas vezes a consistência do teste. A solução reduz a variação de teste através do desenho dos dispositivos de fixação e da câmara, de forma a fixar as condições de teste tanto quanto possível:

• Dispositivo de fixação: Cavidade moldada em borracha macia.
• A cavidade moldada garante que o earbud é sempre colocado contra a orelha artificial na mesma postura, reduzindo erros de posicionamento e a variação do teste.
• A borracha macia melhora a vedação e evita danos mecânicos nos auscultadores.
• Caixa acústica: Amortecimento e isolamento acústico da caixa interna.
• Isto reduz o impacto de vibrações mecânicas externas e do ruído ambiental nos resultados de medição.

Hardware Acústico de Grau Profissional (Configuração de Exemplo)

Analisador Eletroacústico CRY6151B

• Gama de frequências de 20-20 kHz, baixo ruído de fundo e elevada gama dinâmica, integrando simultaneamente saída de sinal e entrada de medição.

Conjunto Simulador de Orelha CRY718-S01

• Cumpre os requisitos relevantes da IEC / ITU. Com configurações / condições adequadas, o ruído próprio do sistema pode atingir o nível de 12 dBA.

Câmara Acústica Blindada CRY725D

• Integra blindagem RF e isolamento acústico, otimizada para cenários de teste de TWS.

Algoritmo de IA: Como a Deteção Não Supervisionada de Anomalias Reconhece Sons Anómalos

Fluxo de Treino: Só São Necessários Auscultadores "Bons"

A solução de escuta por IA da CRYSOUND utiliza um algoritmo não supervisionado de deteção de som anómalo. A sua maior vantagem é não exigir a recolha prévia de muitas amostras anómalas - são apenas necessárias unidades normais e boas para treinar um modelo que "compreende um bom som".

Em projetos reais, os passos típicos são os seguintes:

• Preparar pelo menos 100 unidades boas. Nas mesmas condições do teste de produção em massa, recolher dados WAV destas 100 unidades.
• Treinar o modelo utilizando estes dados de unidades boas (por exemplo, 100 amostras de 10 segundos cada; o treino demora normalmente menos de 1 minuto).
• Utilizar o modelo para testar tanto amostras boas como defeituosas, comparar a distribuição dos resultados e definir o limiar de decisão.
• Após o treino, o modelo pode ser utilizado diretamente na produção em massa. O tempo de previsão para uma única amostra é inferior a 0,5 segundos.

Neste processo, os engenheiros não precisam de rotular manualmente cada tipo de ruído anómalo, o que reduz significativamente a barreira para introduzir o sistema num novo projeto.

Princípio em Resumo: Deixar o Modelo Reconstruir Primeiro os Sons Anómalos

De forma geral, o algoritmo funciona em três etapas:

Conversão tempo‑frequência

• Converter a forma de onda gravada num espectrograma tempo‑frequência (como uma "imagem do som").

Reconstrução baseada em aprendizagem profunda

• Utilizar o modelo de aprendizagem profunda treinado em "auscultadores normais" para reconstruir o espectrograma tempo‑frequência.
• Para amostras normais, o modelo consegue, em maior ou menor grau, "reproduzir" o espectrograma original. Para amostras contendo ruído anómalo, as partes anómalas são difíceis de reconstruir.

Análise de diferenças

• Comparar o espectrograma original com o reconstruído e calcular a diferença ao longo dos eixos de tempo e frequência para obter duas curvas de diferença.
• As amostras anómalas apresentarão picos proeminentes ou áreas de energia concentrada nessas curvas.

Desta forma, o algoritmo desenvolve um forte ajustamento ao padrão "normal" e torna‑se naturalmente sensível a qualquer desvio desse padrão, sem necessidade de construir um modelo separado para cada tipo de ruído anómalo.

Em projetos reais, este algoritmo já foi verificado em mais de 10 projetos diferentes, alcançando uma taxa de deteção de defeitos até 99,9%.

Vantagens Práticas da Escuta por IA

• Sem dependência de amostras anómalas: Não é necessário despender um grande esforço a recolher vários exemplos de ruídos "de arranhar" ou "elétricos".
• Adapta‑se a novas anomalias: Mesmo que surja um novo tipo de som anómalo que não estava presente durante o treino, desde que seja significativamente diferente do padrão normal, o algoritmo consegue detetá‑lo.
• Aprendizagem contínua: Podem ser adicionados continuamente novos dados de unidades boas para que o modelo se adapte, a longo prazo, a pequenas derivas na linha e no ambiente.
• Carga de trabalho manual amplamente reduzida: Em vez de "todos a ouvir", passa‑se para "varrimento por IA + inspeção por amostragem em pequenos lotes", libertando as pessoas para se concentrarem em trabalho de análise e otimização de maior valor.

Um Caso Típico de Implementação: Prática Real numa Linha de Produção TWS de um ODM

Numa linha de produção TWS de um determinado ODM, a produção diária por linha é da ordem de milhares de conjuntos. Para melhorar o rendimento e reduzir a carga da escuta manual, foi introduzida a solução de teste de som anómalo com IA:

Item	Antes de Introduzir a Solução de Teste de Som Anómalo com IA	Depois de Introduzir a Solução de Teste de Som Anómalo com IA
Método de teste	4 estações de escuta manual, com ruídos anómalos avaliados unicamente por ouvintes humanos	4 sistemas de teste de escuta por IA, cada um a testar um par de earbuds
Configuração de mão de obra	4 operadores (escuta em regime de tempo inteiro)	2 operadores (para carga/descarga + recontro de unidades anómalas)
Risco de qualidade	Defeitos perdidos e saídas para o mercado devido à subjetividade e fadiga	Durante os ensaios‑piloto, os resultados do sistema de IA corresponderam à amostragem manual; a estabilidade melhorou significativamente
Trabalho durante a fase piloto	Definir procedimentos de escuta manual	Recolher amostras, treinar o modelo de IA, definir limiares e validar a viabilidade através de amostragem manual
Capacidade diária da linha (por linha)	Limitada pelo ritmo do teste manual	Cerca de 1 000 pares de earbuds por dia
Taxa de deteção de ruído anómalo	Existiam defeitos perdidos, não quantificados	≈ 99,9%
Taxa de falsos rejeitos (unidades boas avaliadas incorretamente)	Afetada pela subjetividade e pela fadiga, não quantificada	≈ 0,2%

Nesta linha, a escuta por IA assumiu essencialmente as tarefas originais de escuta manual. Não só o número de colaboradores foi reduzido para metade, como o risco de defeitos não detetados diminuiu significativamente, fornecendo suporte de dados para expandir a solução a mais linhas de produção no futuro.

Recomendações de Implementação: Como Tirar o Máximo Partido Desta Solução

Se estiver a ponderar introduzir testes de ruído anómalo baseados em IA, pode começar pelos seguintes aspetos:

Planear a recolha de amostras o mais cedo possível

• Comece a acumular formas de onda de unidades boas "confirmadas sem ruído anómalo" durante a construção de ensaios / pequena fase piloto, para poder ganhar vantagem na formação de IA mais tarde.

Minimizar a interferência ambiental

• A estação de teste de escuta por IA deve ser colocada longe de equipamentos de elevado ruído, como doseadores e máquinas de soldar.
• Ao desligar buzinas de alarme, definir corredores de movimentação de materiais que evitem as estações de teste e reduzir a vibração do piso, pode reduzir eficazmente as taxas de falsas deteções.

Manter condições de teste consistentes

• Utilizar a mesma câmara de isolamento, orelha artificial, dispositivos de fixação e sequência de teste tanto na fase de treino como na produção em massa, para evitar problemas de transferência de modelo causados por diferenças ambientais.

Manter um período de coexistência homem‑máquina

• Numa fase inicial, pode adotar uma estratégia de "100% IA + amostragem manual" e, em seguida, passar gradualmente para "100% IA + uma pequena quantidade de recontro de DOA", de forma a minimizar os riscos associados à implementação.

Conclusão: Deixar o Teste Voltar a "Olhar para Dados" e Colocar as Pessoas Onde Criam Mais Valor

Os testes de escuta por IA são, no essencial, uma atualização industrial - da escuta humana baseada na experiência para testes orientados por dados e algoritmos.

Com plataformas de teste CRYSOUND normalizadas, hardware acústico profissional, dispositivos de fixação específicos do produto e algoritmos de IA, a CRYSOUND está a ajudar um número crescente de clientes a transformar a escuta manual morosa, intensiva em mão de obra e subjetiva em algo estável, quantificável e reutilizável.

Se gostaria de saber mais sobre testes de ruído anómalo para auscultadores, se está a planear experimentar escuta por IA na sua próxima geração de linha de produção - ou discutir o seu processo de fabrico e objetivos de inspeção - utilize, por favor, o formulário "Entrar em contacto" abaixo. A nossa equipa pode partilhar definições recomendadas e um fluxo de trabalho no local adaptado às suas condições de produção.