看到這個題目，不由“大吃一鯨”，繼而“虎軀一震”

如果我理解的沒錯，“工業異常檢測”這個問題應該是涵蓋了兩方面內容——

經過一番細緻的思考，我覺得題主打開了新世界的大門……

在工業4.0時代，國家大力推進基於AI技術的“兩化”融合，包括工業自動化檢測系統、裝置管理、裝置診斷、自動化產品質檢等等。

現有的技術部分解決了上述問題，常規的工業裝置異常檢測包括紅外熱成像、震動感測器、溫溼度感測器等，產品質檢甚至用到了X光。但不得不說，這些手段有顯而易見的弊端，例如：震動感測器必須採取接觸式，對於某些特殊裝置存在資料採集的困難。而產品質檢通常只通過“機器視覺”解決問題，缺失了“聽覺”這個至關重要的維度。

聲音訊號具有豐富的資訊量，在很多視覺、觸覺、嗅覺不合適的場合下，具有獨特的優勢。

目前利用“機器聽覺”解決工業運維痛點的技術，在國內外已開始起步發展，在許多工業場景中，已逐漸廣泛應用。

舉兩個機械裝置運維實際應用的例子，寄希望於可以拋磚引玉，給你帶來啟發。

金屬加工機械製造——刀具狀態是保證切削加工過程順利進行的關鍵，迫切需要研製準確、可靠、成本低廉的刀具磨損狀態監控系統。切削聲訊號採集裝置成本低廉，結構簡單，安放位置可調整。基於它的檢測技術，訊號直接來源於切削區，靈敏度高，響應快，非常適用於刀具磨損監控。可利用金屬切削過程中的聲音輻射檢測工具的狀態，即鋒利、磨損、破損。以低頻和高頻帶的頻譜成分作為特徵，可以很容易地區分鋒利和磨損。

軸承、齒輪和傳動部件——旋轉機械（軸承、齒輪等）在整個機械領域中有著舉足輕重的地位，發生故障的機率又遠遠高於其他機械結構，因此對該類部件進行狀態檢測與故障診斷就尤為重要。對於傳統的振動感測器需要拆分機器、不易安裝的缺點來講，其可透過在整機狀態下檢測特定部位的噪聲來判定軸承與齒輪等是否異常，可以說是非常省時省力又快捷了。