异音机器判断：特征库学习与在线判断实操

  扎实的样本数据是实现精准机器判断的前提。接下来，我们继续为大家介绍机器判断的另外两大核心环节：特征库学习与在线判断，同时说明特征库学习中的关键分析方法。

特征库学习

  1.信号处理与机器学习算法灵活排列组合、按需选择；自动完成特征提取与优选，输出适配的算法;支持产品打分分级，实现更精细化的质量管控；散点图、统计图可视化呈现分析结果，更易解读;自动生成测试样本库，提升学习与验证效率。

  2.散点图可直观评估机器判断结果与人工分级结果的对应关系，图中红、蓝、青色分别代表人工分级的不合格品、良品、合格品，纵坐标机器判断分值越高，产品合格可能性越大。统计图则对散点图数据做统计分析，可调节上下阈值查看不同判断结果，为后续在线判断提供分级支撑，生产中也可按需灵活设置接受分值，实现产品质量分级把控。

在线判断

  1.扫码即可启动检测，检测数据快捷存储；支持 PLC 联动，适配产线流水化操作； 模块化设计，可轻松更新特征库，提升判断准确率；支持多产线设备共用，兼顾经济性与高效性； 灵活设置产品分级分数线，保障批次质量统一性；配套数据库管理功能，数据查询与检索更便捷

  2.从样本库搭建到特征库智能学习，再到产线在线判断，异音机器判断的三大环节衔接紧密、高效协同，既解决了人工判断的痛点，又能实现产品质量的精细化、标准化管控，适配各类产线的实际检测需求。