Apprendimento di suoni per il monitoraggio di macchinari

Abstract

Il monitoraggio acustico rileva guasti incipienti delle macchine dal solo suono, e il Task 2 della DCASE Challenge ha reso il rilevamento non supervisionato di suoni anomali, addestrato solo su audio normale, il proprio benchmark. L'edizione 2026 aggiunge un secondo microfono più lontano dalla macchina, sulla premessa che il canale lontano fornisca un riferimento di rumore che migliori la robustezza al rumore ambientale. La tesi la verifica sui sette tipi di macchina del set di sviluppo con due rilevatori riprodotti: la baseline ufficiale ad autoencoder (Sistema A) e un rilevatore nearest-neighbour a embedding congelati della linea GenRep (Sistema B), privo di addestramento e alla pari con la baseline. Lo studio affronta due domande. Primo: il secondo canale migliora il rilevamento? Con nessuno dei meccanismi di fusione valutati: la fusione tardiva uniforme dei due canali abbassa il punteggio ufficiale (media armonica) su entrambi i rilevatori, con intervalli bootstrap appaiati interamente sotto lo zero, e nessuna variante a livello di punteggio o di embedding supera il solo canale vicino. Secondo: l'esito si replica tra famiglie di rilevatori? Sì: due rilevatori che non condividono architettura, regola di punteggio né procedura di addestramento convergono sullo stesso esito negativo, una proprietà del canale e degli encoder, non di un rilevatore; l'accordo tra rilevatori è la verifica che manca alle affermazioni stereo a rilevatore singolo. Si offrono due spiegazioni: la premessa vicino/lontano vale solo per due delle sette macchine e, in coerenza con il fallimento della fusione a livello di embedding, gli encoder monofonici congelati proietterebbero i due canali in una rappresentazione quasi identica, perdendo la struttura inter-canale: ciò spiegherebbe il fallimento anche dove il divario tra canali è reale. Il contributo è una caratterizzazione per macchina del rilevamento stereo che colloca il fallimento nei dati e negli encoder, non nei rilevatori.

Acoustic condition monitoring detects incipient machine faults from sound alone, and DCASE Challenge Task 2 has made unsupervised anomalous sound detection, trained on normal operation only, its standard benchmark. The 2026 edition adds a second microphone farther from each machine, on the premise that the far channel supplies a standing noise reference that should improve robustness to environmental noise. This thesis tests that premise on the seven development machine types, using two reproduced detectors: the official autoencoder baseline (System A) and a training-free frozen-embedding nearest-neighbour detector in the GenRep line (System B), which reaches parity with the baseline on the development set. The study addresses two questions. First, does the second channel improve detection? Not by any fusion mechanism evaluated here: uniform late fusion of the near and far channels lowers the official harmonic-mean score on both detectors, with paired-bootstrap intervals lying entirely below zero, and no score-level or embedding-level variant rises above the near channel alone. Second, does the outcome replicate across detector families? It does: two detectors sharing no architecture, scoring rule, or training procedure converge on the same negative, making it a property of the channel and the encoders rather than of one detector, and identifying cross-detector agreement as the check a single-detector stereo claim lacks. Two explanations are offered: the near/far premise holds for only two of the seven machines, and, consistent with the failure of embedding-level fusion, the frozen monaural encoders plausibly project both channels into much the same monaurally learned representation and cannot preserve the inter-channel structure, explaining why fusion fails even where a real channel gap exists. The contribution is a per-machine characterization of stereo anomalous sound detection that locates the failure in the data and the encoders rather than in the detectors.