标注与训练

分类器的上限由它学过的样本决定。本页讲的是您能掌控的两件事:标注数据如何组织, 以及用哪一条训练路线把它变成模型。两条路线最终都产出一个模型文件, 供 AI 分类向导的第 1 步加载。

选择训练路线

第 2 步 —— 训练模型以两个单选项提供 ML.NET(零代码) 与 Python(深度学习)。建议先从 ML.NET 起步;只有当数据量足够大、且确实需要更深的模型时,再转向 Python。

	ML.NET(零代码)	Python(深度学习)
前置条件	无 —— 内置	本机需安装 Python 与 PyTorch
模型类型	基于 Mel 特征的梯度提升树	卷积网络或自编码器,可完全自定义
输出文件	`model.zip`	`model.onnx`
训练耗时	数秒到数分钟	数分钟到数小时
数据需求	每类几十个样本即可运转	每类需数百个以上
最适合	快速拿到第一个可用模型、故障类型区分明显	差异细微、数据量大、需从公开模型迁移

组织训练数据

两条路线读取同一种结构:一个根目录,其子文件夹名即类别名。把每段录音放进它所属类别的文件夹即可。整文件级分类的标注格式仅此而已 —— 不需要另外维护标签文件。

data\
  OK\
    unit_0001.wav
    unit_0002.wav
    unit_0003.hdf
  Whine\
    unit_0104.wav
    unit_0117.wav
  Knock\
    unit_0233.wav
  Rub\
    unit_0301.wav

WAV 与 HEAD HDF 均可接受,且可混放在同一文件夹中。多通道文件在特征提取时混合为单声道。无法读取的文件会被跳过并写入日志,不会中断整次运行。

子文件夹名将成为训练所得模型的类别标签,顺序按字母排列。请直接使用您希望在结果中看到的名称 —— 之后在第 3 步的类别名称栏里也要填写完全相同的拼写。

标注工程

除了按文件夹标注,标注工程还可以把标签保存为一个便携的 JSON 文件, 便于纳入版本管理、在团队间共享。一个工程保存类别列表,以及每个文件的整文件级类别标签,或一组画在频谱图上的标注框。

标注框标记的是一个时频区域 —— 起止时间(秒)与上下频率(Hz)—— 并带有自己的标签,例如 Order Resonance。当关注的事件只占长录音的一小段,或一个文件里出现多种不同事件、单一的整文件标签会产生误导时,就该用它。

标注方式	保存内容	适用情形
整文件标签	每段录音一个类别	短促、内容单一的样本 —— 常见的下线场景
标注框	时间段 × 频带,附标签	长录音、瞬态事件、一个文件含多个事件

路线 A —— 内置 ML.NET 训练器

选择 ML.NET(零代码),浏览到数据文件夹,确认输出路径 (默认在数据文件夹内生成 model.zip),按 Start Training。全部在本机运行,不会向任何地方上传数据。

其内部会把每段录音压缩成一份紧凑的声学指纹:用 1024 点 FFT、50% 重叠计算 64 带 Mel 谱, 再把每个 Mel 带在全部帧上的均值与标准差作为特征向量, 最后在这些向量上训练梯度提升树分类器。该前端刻意做得稳健 —— 它关注声音的频谱特征,对录音长度不同也能容忍。

路线 B —— Python / PyTorch 模板

选择 Python(深度学习)后会展开脚本设置。两个按钮可写出开箱即用的模板, 既可直接使用,也可自行修改:

Export CNN Template —— 基于 Mel 频谱图 (64 个 Mel 带 × 128 帧)的卷积分类器,训练结束时导出为 ONNX,并带动态批维度。
Export Autoencoder Template —— 用于异常检测的自编码器,只用正常样本训练, 并会一并写出异常阈值。

设置脚本路径、数据文件夹、输出 .onnx 路径与训练轮数 Epochs(默认 50),然后开始。脚本以独立进程启动, 其控制台输出实时汇入训练日志,您可以逐轮观察损失与准确率,发现不收敛时随时取消。

只要接受相同的命令行参数,您自己的脚本同样可用:

python train.py --data <文件夹> --output <model.onnx> --epochs <N> --type <classifier|autoencoder>

Python 与 PyTorch 不随谛耳一同安装。若日志提示缺少依赖, 请在您指定的 Python 环境中安装模板所列的包(torch、torchaudio、 onnx)后重新运行。

训练日志与指标解读

日志记录整个过程:找到多少文件、分属哪些类别、多少个成功提取到特征、训练进展,以及最终小结。 ML.NET 路线会报告三个数字:

指标	含义	怎么看
微平均准确率	全部样本中分类正确的比例	会被样本最多的那一类主导
宏平均准确率	各类别准确率的平均	把稀有类别看得同样重要 —— 更诚实的数字
对数损失	对「自信地答错」的惩罚	越低越好;准确率高但对数损失上升,说明模型过度自信

这些指标是在训练所用的数据上测得的,因此是上限,而不是现场表现的预测。真正有意义的数字,是用批量分类跑一遍从未参与训练的录音所得的结果。两者差距很大是过拟合的经典征兆 —— 通常靠增加样本数量与多样性来解决。

需要多少数据

起步的最低量 —— ML.NET 路线每类大约 20–30 段录音, 另外再留出数量相当的一批用于校验。
比较从容 —— 每类 100 段以上,覆盖不同的单件、班次与操作者, 使模型学到的是故障本身,而不是某一天的录音条件。
深度学习 —— 每类数百到数千段;或从模型库中的预训练模型出发再做适配。
均衡 —— 各类数量保持在同一数量级。若合格样本与故障样本达到 100:1, 可裁剪合格样本,或改用异常检测。
类内多样性 —— 来自十个不同故障单件的十段录音, 远胜过同一个故障单件的一百段录音。

从训练完成到部署

在第 1 步 —— 加载模型中载入所得模型,核对报告的签名。
在第 3 步 —— 设置中按文件夹读取顺序(字母序)填写类别名称。
在第 4 步 —— 分类中跑几个已知样本,确认逐类得分合理。
用第 5 步 —— 批量分类跑完留出的校验集并导出 CSV; 这就是留存归档的验证证据。
把模型文件与所用数据集、设置的说明一起归档 —— 没有来历记录的模型,日后无法复现。

相关页面:AI 声学分类(总览) · ONNX 推理 · 异常检测