声学检测有什么用吗，都有哪些内容啊？
声学检测不能说是一个完全崭新的技术领域，只不过因为环境声音种种复杂的特性，导致在过去这些年的实际应用中，发展速度远不及视频。
声音信号具有丰富的信息量，在很多视觉、触觉、嗅觉不合适的场合下，具有独特的优势。声音信号通常被认为与振动信号具有较大的相关性，但声音信号具有非接触性，避免了振动信号数据采集的困难。基于一般音频／环境声的CA（计算机听觉Computer Audition）技术属于AI在音频领域的分支，直接面向社会经济生活的各个方面，在医疗卫生、制造业、交通运输、安防、仓储、农林牧渔业、水利、环境和公共设施管理业、建筑业、采矿业、日常生活、身份识别、军事等数十个领域具有众多应用，是一门非常实用的技术．目前该领域在国内外已开始起步发展，但在许多研究和应用领域仍接近于空白，具有无限广阔的发展前景。
接下来将逐一举例说明！
医疗卫生——人的身体本身和许多疾病，都会产生各种各样的声音。借助CA进行辅助诊断与治疗，既可部分减轻医生的负担，又可普惠广大消费者，是智慧医疗的重要方面。· 呼吸系统疾病常见的与病人呼吸系统相关的音频事件有咳嗽、打鼾、言语、喘息、呼吸等。监控病人状态，在发生特定音频事件时触发警报以提醒护士或家人具有重要意义。
· 心音信号(Heart Sounds,HS)是人体内一种能够反映心脏及心血管系统运行状况的重要生理信号。对心音信号进行检测分析，能够实现多种心脏疾病的预警和早期诊断，以便于发现问题能够及时有效的得到治疗。
制造业· 转辙机用于铁路道岔的转换和锁闭，其结构损伤会直接影响行车安全。在生产过程中，需要对高铁转辙机的重要零件全部进行无损检测。基于声信号进行结构损伤检测具有非接触、高效等优点。
· 水泥厂、煤矿、热电厂、采矿业等普遍使用输送带托辊，由于运行工况恶劣，数量众多，又要求连续运转，并且在线检修不便。要保证输送机长期连续稳定的运行，对有故障托辊的快速发现和及时处理非常重要。为快速安全可靠地发现有故障隐患的托辊，需适时安排检修，避免托辊带病运转可能造成的更高的停机维修成本及产量损失，减少工人的工作强度，托辊异常声音检测系统，原理是对运行中的托辊发出的声音进行辨别，从而判断托辊是否正常，并对异常声音发出报警信号。该装置可以区分托辊良好运行和带故障运行所发声音的区别。即使在高噪声环境下，亦能过滤出周边部件的信号，准确捕捉故障托辊信号。
· 发动机——发动机是飞机、船舶、各种行走机械的核心部件，有柴油机、汽油机、内燃机、燃气涡轮发动机等几种。发动机故障是发动机内部发生的严重事故，传统的发动机故障诊断高度依赖于工程师的技术能力，发动机的高、中、低３个频带的频谱特性对其进行分析，通过分析汽车噪声的强度可大致判断出汽车发动机部件的故障。人工判断具有很大的局限性，一些经验丰富的技术人员也会有一些失败率，造成时间和金钱的严重浪费。因此，声音检测故障诊断系统既可直接用于自动诊断，提高系统可靠性，节约维护成本，也可作为经验不足的技术人员的训练模块。而且避免了拆分机器安装振动传感器的传统诊断方式的麻烦。
· 金属加工机械制造——刀具状态是保证切削加工过程顺利进行的关键，迫切需要研制准确、可靠、成本低廉的刀具磨损状态监控系统。切削声信号采集装置成本低廉，结构简单，安放位置可调整。基于它的检测技术，信号直接来源于切削区，灵敏度高，响应快，非常适用于刀具磨损监控。可利用金属切削过程中的声音辐射检测工具的状态，即锋利、磨损、破损。以低频和高频带的频谱成分作为特征，可以很容易地区分锋利和磨损。
· 轴承、齿轮和传动部件——旋转机械（轴承、齿轮等）在整个机械领域中有着举足轻重的地位，发生故障的概率又远远高于其他机械结构，因此对该类部件进行状态检测与故障诊断就尤为重要。对于传统的振动传感器需要拆分机器、不易安装的缺点来讲，其可通过在整机状态下检测特定部位的噪声来判定轴承与齿轮等是否异常，可以说是非常省时省力又快捷了。
· 包装专用设备——基于声信号的瓶盖密封性检测方法，声信号的产生由电磁激振装置对瓶子封盖激振产生，由麦克风采集。基于声信号实现啤酒瓶密封性快速检测。瓶盖受激发后产生受迫振动，其振动幅度和振动频率与瓶盖的密封性存在一定的关系。瓶内压力增高时，若瓶盖密封性好，其振动频率就高，振幅就小；反之，若密封性差，振动频率就比较低，振幅也比较大。以此来判断包装的密封性，保障了商品包装的合格率。
· 电气机械和器材——电机是用于驱动各种机械和工业设备、家用电器的最通用装置。电机有很多种，如同步电机 、直流电机 、感应电机。为保证其安全稳定运行，常常需要工作人员定期检修、维护。电机在发生故障时，维护人员听电机发出的声音，以人工方式判断故障的类型，耗费大量人力，而且无法保证及时检测到故障，基于声信号的声纹识别系统将提取的音频特征与某一类型的故障联系起来，可以识别出电机异响及各种类型的故障，如线圈破碎和定子线圈短路等。
· 纺织业——细纱断头的低成本自动检测一直是纺纱企业急需解决的一个问题。利用定向麦克风采集5个周期的钢丝圈转动产生的声信号。正常纺纱时的声信号都具有分布均匀的５个较高波峰，而发生纺纱断头时采集到的声信号不具有该特点。按照此标准即可判断纱线是否发生断头以减少成本损失。
· 黑色及有色金属冶炼和压延加工业——对金属和非金属粘接结构施加微力，在频域提取与粘接有关的声信号的特征用于后续模式识别。撞击非晶合金产品使其产生振动，并采集发出的声信号，以声信号衰减时间的长短作为特征，判断产品的合格性，可以准确地检测出非晶合金产品内部是否存在收孔或裂纹等缺陷。采集氧化铝熟料与滚筒窑撞击所产生的声音，通过分析频谱、幅度等数据区别出熟料的3种状态：正常、过烧、欠烧，进行自动质量检测。采集成品熟料与滚筒窑撞击所产生的声音，经滤波、频谱分析等处理后，对烧结工序中的异常状态进行判断并报警。
· 非金属矿物制品业——热障涂层是一层陶瓷涂层(Thermal Barrier Coatings TBC)，沉积在耐高温金属或超合金的表面，对基底材料起到隔热作用，使得用其制成的器件（如发动机涡轮叶片）能在高温下运行。失效检测有４种典型的失效模式：表面裂纹、滑动界面裂纹、开口界面裂纹、底层变形，基于声信号进行失效检测。提取冲击声的域特征及听觉感知特征，通过模式识别研究基于冲击声的声源材料自动识别。
· 农副食品加工业——在鸡蛋、鸭蛋等的加工过程中，从生产线上分选出破损蛋是一道重要工序。国内主要依靠工人在灯光下观察是否有裂纹，或转动互碰时听蛋壳发出的声音等方法来识别和剔除破损鸡蛋。这种方法效率低下，精度差，劳动强度大，成本高。研究自动化的禽蛋破损检测方法意义重大。经验表明，好蛋的蛋壳发出的声音清脆，而破损蛋的蛋壳发出的声音沙哑、沉闷，这使得基于声音音色进行蛋类质量判别成为可能。以鸡蛋赤道部位的４个点作为敲击位置，采集鸡蛋的声信号。在实际环境中，用音频分离或降噪技术。从风机噪声环境中分离提取蛋鸡声音，根据采集音频加以分析定位，便可以轻松识别破损蛋。
· 机器人制造——机器人需要对周围环境的声音具有听觉感知能力。AED（Audio event detection 音频事件检测）在技术角度也属于CA，但专用于机器人的各种应用场景：面向消费者的服务消费机器人，在室内环境中识别日常音频事件；面向灾难响应的特殊作业机器人，识别噪声环境中的某些音频事件，并执行给定的操作；面向阀厅智能巡检的工业机器人，对设备进行智能检测和状态识别。
还有很多应用场景，篇幅有限，就暂且不一一列举了。说明：本文部分内容摘录于《复旦学报》（自然科学版）第58卷第3期《理解数字声音———基于一般音频／环境声的计算机听觉综述》李 伟，李 硕著
标签：声学,检测
