{"id":274523,"date":"2026-02-07T00:53:11","date_gmt":"2026-02-07T00:53:11","guid":{"rendered":"https:\/\/design.crysound.com\/tests-de-bruits-anormaux-expliques-principe-methode-et-configuration\/"},"modified":"2026-02-07T00:53:11","modified_gmt":"2026-02-07T00:53:11","slug":"tests-de-bruits-anormaux-expliques-principe-methode-et-configuration","status":"publish","type":"post","link":"https:\/\/design.crysound.com\/fr\/blog\/tests-de-bruits-anormaux-expliques-principe-methode-et-configuration\/","title":{"rendered":"Tests de bruits anormaux expliqu\u00e9s : principe, m\u00e9thode et configuration"},"content":{"rendered":"\n

Dans notre pr\u00e9c\u00e9dent article de blog, \u00ab D\u00e9tection de bruits anormaux : des oreilles humaines \u00e0 l\u2019IA<\/a> \u00bb, nous avons pr\u00e9sent\u00e9 les principaux points douloureux de l\u2019\u00e9coute manuelle, introduit la solution de test de bruits anormaux bas\u00e9e sur l\u2019IA de CRYSOUND, d\u00e9crit de fa\u00e7on g\u00e9n\u00e9rale la m\u00e9thode d\u2019entra\u00eenement et montr\u00e9 comment le syst\u00e8me peut \u00eatre d\u00e9ploy\u00e9 sur une ligne de production de TWS. Dans cet article, nous allons plus loin : nous approfondissons les principes d\u2019analyse de l\u2019algorithme d\u2019IA de d\u00e9tection de bruits anormaux de CRYSOUND, nous partageons des configurations de test pratiques et des performances en conditions r\u00e9elles, puis nous concluons par une liste de contr\u00f4le compl\u00e8te de configuration que vous pouvez utiliser pour planifier ou valider votre propre d\u00e9ploiement.<\/p>\n\n\n\n

D\u00e9fis de la d\u00e9tection d\u2019anomalies avec des algorithmes classiques<\/strong><\/h2>\n\n\n\n

Dans les usines r\u00e9elles, les vrais d\u00e9fauts sont \u00e0 la fois rares<\/strong> et tr\u00e8s divers<\/strong>, ce qui rend difficile la constitution d\u2019une biblioth\u00e8que compl\u00e8te de signatures sonores anormales pour un entra\u00eenement supervis\u00e9.<\/p>\n\n\n\n

M\u00eame des algorithmes \u00e0 base de r\u00e8gles bien r\u00e9gl\u00e9s \u2014 parfois fortement personnalis\u00e9s \u2014 couvrent rarement toutes les signatures anormales. De nouveaux modes de d\u00e9faut, de l\u00e9g\u00e8res variations et l\u2019\u00e9volution des conditions de production peuvent se situer en dehors des seuils ou mod\u00e8les de caract\u00e9ristiques pr\u00e9d\u00e9finis, ce qui entra\u00eene des d\u00e9fauts non d\u00e9tect\u00e9s (\u00e9chapp\u00e9s).<\/p>\n\n\n\n

Sur la figure ci-dessous, nous comparons deux fichiers wav que nous avons g\u00e9n\u00e9r\u00e9s manuellement.<\/p>\n\n\n\n

\"\"
Figure 1 : Wav OK<\/figcaption><\/figure>\n\n\n\n
\"\"
Figure 2 : Wav NG<\/figcaption><\/figure>\n\n\n\n

Vous pouvez voir que les contr\u00f4les classiques \u2014 r\u00e9ponse en fr\u00e9quence, THD et algorithme rub & buzz (R&B) typique \u2014 d\u00e9tectent difficilement le d\u00e9faut de bruit de faible niveau inject\u00e9 ; l\u2019\u00e9cart global de la courbe n\u2019est que d\u2019environ 0,1 dB. Dans une simple comparaison FFT, les deux fichiers wav pr\u00e9sentent bien quelques divergences, mais en conditions de production r\u00e9elles, l\u2019\u00e9nergie du d\u00e9faut peut \u00eatre encore plus faible, ce qui la fait tr\u00e8s probablement passer sous les seuils fixes et la laisse \u00e9chapper. En revanche, dans la repr\u00e9sentation temps\u2013fr\u00e9quence, la signature anormale est clairement visible, car elle appara\u00eet comme un motif structur\u00e9 dans le temps plut\u00f4t que comme un petit changement sur une seule courbe moyenn\u00e9e.<\/p>\n\n\n\n

\"\"
Figure 3 : R\u00e9sultats d\u2019analyse<\/figcaption><\/figure>\n\n\n\n

Principe de l\u2019algorithme d\u2019IA de d\u00e9tection de bruits anormaux<\/strong><\/h2>\n\n\n\n

CRYSOUND propose une approche de d\u00e9tection de bruits anormaux bas\u00e9e sur un cadre d\u2019apprentissage profond qui identifie les d\u00e9fauts en reconstruisant le spectrogramme<\/strong> et en mesurant ce qui ne peut pas \u00eatre correctement reconstruit. Cela permet de d\u00e9passer les limites essentielles des m\u00e9thodes classiques bas\u00e9es sur des r\u00e8gles et, sur le plan des principes, d\u2019obtenir une couverture de d\u00e9fauts plus large et plus syst\u00e9matique \u2014 en particulier pour les signatures anormales subtiles, diverses et jamais vues auparavant.<\/p>\n\n\n\n

La figure ci-dessous illustre le flux de travail central de notre cha\u00eene d\u2019entra\u00eenement et d\u2019inf\u00e9rence.<\/p>\n\n\n\n

\"\"
Figure 4 : Principe du flux de l\u2019algorithme<\/figcaption><\/figure>\n\n\n\n

Pendant l\u2019entra\u00eenement du mod\u00e8le, nous construisons l\u2019algorithme en suivant le flux de travail ci-dessous.<\/p>\n\n\n\n

\"\"
Figure 5 : Principe de d\u00e9cision de l\u2019algorithme<\/figcaption><\/figure>\n\n\n\n

Comment utiliser et d\u00e9ployer l\u2019algorithme d\u2019IA<\/strong><\/h2>\n\n\n\n

Pr\u00e9paration<\/strong><\/h3>\n\n\n\n

Commencez par pr\u00e9parer un microphone de mesure \u00e0 faible bruit \/ simulateur d\u2019oreille \u00e0 faible bruit et une alimentation pour microphone, afin de pouvoir capturer les signatures anormales subtiles tout en fournissant une alimentation stable au micro.<\/p>\n\n\n\n

\"\"
Figure 6 : Microphone de mesure \u00e0 faible bruit<\/figcaption><\/figure>\n\n\n\n

Ensuite, vous aurez besoin d\u2019une carte son pour enregistrer le signal et transf\u00e9rer les donn\u00e9es vers le PC h\u00f4te.<\/p>\n\n\n\n

\"\"
Figure 7 : Syst\u00e8me d\u2019acquisition de donn\u00e9es<\/figcaption><\/figure>\n\n\n\n

Troisi\u00e8mement, utilisez un dispositif de fixation ou gabarit de positionnement<\/strong> pour maintenir le produit afin que le positionnement soit reproductible et que chaque enregistrement soit effectu\u00e9 dans des conditions coh\u00e9rentes.<\/p>\n\n\n\n

Enfin, garantissez un environnement acoustique calme et stable<\/strong> : en laboratoire, une chambre an\u00e9cho\u00efque<\/strong> est id\u00e9ale ; sur une ligne de production, on utilise g\u00e9n\u00e9ralement une bo\u00eete d\u2019insonorisation<\/strong> pour contr\u00f4ler le bruit ambiant et garder des mesures coh\u00e9rentes.<\/p>\n\n\n\n

\"\"
Figure 8 : Salle an\u00e9cho\u00efque<\/figcaption><\/figure>\n\n\n\n
\"\"
Figure 9 : Chambre an\u00e9cho\u00efque<\/strong><\/figcaption><\/figure>\n\n\n\n

D\u00e9veloppement du mod\u00e8le<\/strong><\/h3>\n\n\n\n

Commencez par cr\u00e9er une s\u00e9quence de test dans SonoLab<\/strong>, s\u00e9lectionnez \u00ab Deep Learning \u00bb<\/strong> et appliquez le param\u00e8tre.<\/p>\n\n\n\n

Ensuite, s\u00e9lectionnez le module d\u2019algorithme d\u2019IA de d\u00e9tection de bruits anormaux appropri\u00e9 ainsi que son API correspondante.<\/p>\n\n\n\n

\"\"
Figure 10 : Interface de s\u00e9quence 1<\/figcaption><\/figure>\n\n\n\n

Ouvrez ensuite les Param\u00e8tres<\/strong> et sp\u00e9cifiez le type de mod\u00e8le<\/strong>, ainsi que les chemins de fichier du jeu de donn\u00e9es d\u2019entra\u00eenement<\/strong> et du jeu de donn\u00e9es de test<\/strong>.<\/p>\n\n\n\n

Cliquez sur Train<\/strong> et attendez la fin de l\u2019entra\u00eenement du mod\u00e8le (la dur\u00e9e d\u2019entra\u00eenement d\u00e9pend du mat\u00e9riel de votre PC).<\/p>\n\n\n\n

\"\"
Figure 11 : Interface de s\u00e9quence 2<\/figcaption><\/figure>\n\n\n\n

Pendant l\u2019entra\u00eenement, l\u2019indicateur d\u2019\u00e9tat passe au jaune. Une fois l\u2019entra\u00eenement termin\u00e9, il passe au vert et affiche le message \u00ab Entra\u00eenement termin\u00e9 \u00bb.<\/p>\n\n\n\n

\"\"
Figure 12 : Interface de s\u00e9quence 3<\/figcaption><\/figure>\n\n\n\n

Enfin, placez vos fichiers WAV de test dans le dossier de test sp\u00e9cifi\u00e9 et ex\u00e9cutez la s\u00e9quence. Le mod\u00e8le d\u00e9marrera automatiquement et produira les r\u00e9sultats d\u2019analyse.<\/p>\n\n\n\n

Cas de test<\/strong><\/h3>\n\n\n\n
\"\"
Figure 13 : Environnement de test<\/figcaption><\/figure>\n\n\n\n
\"\"
Figure 14 : Courbe de test<\/figcaption><\/figure>\n\n\n\n

Sch\u00e9ma bloc du syst\u00e8me<\/strong><\/h3>\n\n\n\n
\"\"
Figure 15 : Sch\u00e9ma bloc du syst\u00e8me 1<\/figcaption><\/figure>\n\n\n\n
\"\"
Figure 16 : Sch\u00e9ma bloc du syst\u00e8me 2<\/figcaption><\/figure>\n\n\n\n

\u00c9quipement<\/strong><\/h3>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Davantage de d\u00e9tails techniques sont disponibles sur demande ; veuillez utiliser le formulaire \u00ab Contactez-nous \u00bb ci\u2011dessous. Notre \u00e9quipe peut partager des r\u00e9glages recommand\u00e9s et un flux de travail sur site adapt\u00e9 \u00e0 vos conditions de production.<\/p>\n","protected":false},"excerpt":{"rendered":"

Dans notre pr\u00e9c\u00e9dent article de blog, \u00ab D\u00e9tection de bruits anormaux : des oreilles humaines \u00e0 l\u2019IA \u00bb, nous avons pr\u00e9sent\u00e9 les principaux points douloureux de l\u2019\u00e9coute manuelle, introduit la solution de test de bruits anormaux bas\u00e9e sur l\u2019IA de CRYSOUND, d\u00e9crit de fa\u00e7on g\u00e9n\u00e9rale la m\u00e9thode d\u2019entra\u00eenement et montr\u00e9 comment le syst\u00e8me peut \u00eatre d\u00e9ploy\u00e9 sur une […]<\/p>\n","protected":false},"author":9,"featured_media":273735,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_eb_attr":"","content-type":"","footnotes":""},"categories":[442,523,443],"tags":[],"class_list":["post-274523","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blogues","category-etudes-de-cas","category-notes-dapplication"],"blocksy_meta":[],"acf":[],"_links":{"self":[{"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/posts\/274523","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/comments?post=274523"}],"version-history":[{"count":0,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/posts\/274523\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/media\/273735"}],"wp:attachment":[{"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/media?parent=274523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/categories?post=274523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/design.crysound.com\/fr\/wp-json\/wp\/v2\/tags?post=274523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}