声音监测技术是近几年随着计算机听觉（CA)、人工智能(AI)应用的发展，而逐渐兴起的一门新兴技术。目前整体技术还处于早期发展阶段，虽不够成熟，但是具有广阔的应用空间。

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技术属于AI在音频领域的分支。

说到具体应用，那就举几个常见工业场景的例子说明一下：

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，通过分析发动机噪声的强度可大致判断出发动机部件的故障。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。

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。

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。

云酷科技声音监测系统基于物联网技术，通过音频传感器实现设备音频数据的远程采集；利用信号解析技术，提取音频数据关键指标信号；利用信号分析及AI神经网络技术，实现设备运行状态的远程监测和设备故障的早期预警；同时辅以振动和温度传感器，使管理人员和作业人员随时随地掌握设备运行状态，帮助企业用户提升生产效率，保证生产安全，优化生产决策。