整套分布式传送带托辊异常声音检测系统主要有以下功能： 1) 托辊异常声音检测功能——整套系统以节点为边缘计算单元进行托辊异常声音检测，大大降低远程服务器的计算压力； 2) 轮询报警功能——远程服务器会定时轮询所有声呐节点，一旦有节点发现托辊异常则会及时报警后台监控中心 ； 3) 实时监听功能——监控中心可以选择任意节点实现现场声音监听功能，在接收到节点报警之后，也可以远程监听现场声音判断是否异常； 4) 频谱分析功能——监控中心可以选择任意节点实现现场声音的频谱分析 。
根据信号特征向量将声信号样本转化为数据集，数据集包括训练集、验证集和集。选择合适的机器学习模型，将数据集应用于机器学习模型进行训练、验证和，通过多次循环，通过优化分析，在数据集的基础上，获取机器学习面向具体工程问题的最优参数，包括最优的特征向量、机器学习算法和异音检测法则，这几个环节可能需要多次循环才能得到最优的参数组合。最后，机器学习得到的分类法需要导入异音在线检测系统，在实际的生产线上进行运行调试，最终在生产线上完成部署。
随着机电自动化技术的进步，家电生产线中许多需要体力劳动的工位逐渐被机械手所代替，但仍有很多非体力工位还离不开人，比如视检和听检工位，不需要人的体力或操作，而要靠人的眼睛和耳朵来判断产品的某项指标是否品质合格，这样的工位就需要人工智能才能很好完成替代。 由于图像处理技术的迅猛发展，视检工位目前已有了很多很好的替代方案，但由于产线上声环境复杂，检测规则难易实现简单的参数化描述，听检工位目前大多还是要靠人工来完成。但是，人工听检存在下图列出的种种问题，已难以满足产线智能化升级的需要。从表中也可以看出，人工听检的缺点正好就是人工智能检测的优势所在。
