案发现场：某电机产线，深夜

一件电机在运转时，发出了一声极其短暂的异响——持续仅0.1秒。人耳几乎无法察觉，但它足以让整批产品被客户退回。

这是一桩典型的“声音案件”。作案时间极短，线索微乎其微。泛德声学的AI检测系统，是如何在0.3秒内“破案”的？

第一幕：取证——把声音“拍”下来

声音是转瞬即逝的。要破案，第一步是“取证”。

系统将一维的声音信号，转换为包含时间、频率、能量的三维频谱图。在这张图上，那0.1秒的异响不再是虚无缥缈的振动，而是一幅有纹理、有结构的“指纹图”——高频段有一处能量突变，特定频率上有异常亮斑，还有一段短暂的宽带冲击。

声音，被“拍”了下来。

第二幕：鹰眼——锁定嫌疑特征

有了“指纹图”，接下来是“鹰眼”出场。

卷积神经网络（CNN） 像鹰眼一样扫描频谱图，快速锁定可疑特征：高频能量突变——疑似部件磨损；音高异常偏移——疑似装配缺陷；瞬态冲击图谱——疑似异物碰撞。

CNN不放过任何一个像素级变化。就像鹰隼从高空锁定猎物，精准、锐利、不遗漏。

第三幕：顺风耳——还原作案过程

但“嫌疑特征”不等于“定罪”。还要还原“作案过程”。

时间卷积网络（TCN） 像顺风耳一样，专注分析这些特征在时间维度上的变化：这个异响是周期性的，还是突发性的？频率成分是否随时间漂移？是否伴随启动瞬间的冲击，或匀速运转中的周期性摩擦？

TCN建立起完整的声音上下文逻辑，区分“偶发干扰”与“真实缺陷” ——这是定罪的关键。

第四幕：聚光灯——锁定真凶

CNN和TCN提供了大量线索，但并非所有线索都同等重要。

多头注意力机制（MHA） 如同智能聚光灯，自动聚焦最关键的异常信息，赋予最高分析权重。即使车间噪声高达95分贝，即使异常信号极其微弱，聚光灯依然能从强背景噪声中“抠”出那一丝真正的异常。

真凶，锁定。

结案报告

• 作案时长：0.1秒

• 侦破时长：0.3秒

• 作案特征：轴承预紧力不足导致的瞬态冲击

• 判定结果：NG

泛德声学AI检测系统——让每一桩“声音案件”，都无处遁形。