在工业4.0的大时代蓝图下，各种先进的技术逐渐赋予了现代的机器人类似人类的能力。其中各种先进激光图像传感器为机器人提供了“视觉”，而压力，温度传感器的应用则为机器人带来了实现“感知”的可能性，强大的工业互联网平台整合的资源也正成为机器人“大脑”注入愈发强大的能力。除此之外，现代的机器人还应该具有人机接口（HMI），以实现人类和机器人间的相互交流和通讯—即机器的“听觉”。弗劳恩霍夫数字媒体技术研究所（IDMT）正是您应用声学为智能制造助力的可靠合作伙伴。
弗劳恩霍夫数字媒体技术研究所（IDMT）在心理声学、电声学和音频技术、A/V内容分析、智能信号分析和机器学习等领域的专业技术得到了国际认可。研究所总部位于伊尔梅瑙理工大学校园，科学家们正在研究基于人工智能的音频和视频数据的识别和分类方法，以改善工业质量控制，并应用于广播、电视和网络媒体。数据匿名化和隐私保护的现代方法确保了私人以及商业背景下的数据保护、数据安全和数据主权。15年多以来，该研究所也一直在为客户开发创新扩声和扬声器系统的具体方案。应用领域包括工业生产、广播和娱乐部门、汽车和专业音频。
在奥尔登堡的听觉、语言和音频技术研究所分部（HAS），研究人员致力于将听觉感知和人类技术互动方面的科学发现转化为技术应用。应用研究的重点是提高声音和语音的清晰度，个性化的音频播放，以及使用人工智能的声学语音和事件识别。HSA部门还专注于移动神经技术，以便在实验室外记录大脑活动，并使用在此过程中获得的数据。奥登堡技术的应用领域包括消费电子、交通、汽车、生产、安全、电信和健康。
弗劳恩霍夫IDMT与德国多所大学保持密切的研究合作。这些大学包括伊尔梅瑙技术大学、奥尔登堡卡尔-冯-奥西茨基大学以及威廉港、奥尔登堡和埃尔斯弗莱特的翡翠应用科学大学。
AKoS项目
工业生产中应用了各种制造工艺。商品创造的价值——附加值-——的相当一部分直接得益于焊接等连接技术的使用。许多破坏性或非破坏性的测试方法被用于监测各种连接过程。所有的测试方法都需要人员具备丰富的专业技术知识，而且通常是在连接过程之后进行。然而，连接过程后对部件的检查工作将占用许多生产时间。此外，特别是在破坏性试验的情况下，会产生成吨的试验废料，这既不节约资源也不经济。因此，最好能有非破坏性的测试方法，并且在连接过程中已经可以进行测试，保证质量。
实现非破坏性测试方法的一种可能性——在工艺噪声的基础上检测工艺中的缺陷（空气声分析）——正在AKoS项目中由一个高度专业的团队进行研究。工作重心在接合过程中安全关键部件的无损和自动化质量保证，特别是在焊接方面。
因此，本项目的目标是为原位焊缝检测开发一种普遍适用的自适应学习算法。通过调整参数，以应对特殊情况，使该算法应用到尽可能多的连接过程中。重要的是，该算法可以由非专家操作，并适应不断变化的焊接过程的限制条件。
IDMT的工作：
- 开发一个动态框架，可适应并转移到不同的连接过程中去
-
开发用于声学事件检测的高能效机器学习算法，用于单例分析
扁平化的扬声器：
特点：
- 声压级和传输频率范围可变
- 有源电子设备（放大器+DSP）用于EQing、保护和适应房间声学
- 可调整的尺寸和设计
- 外壳深度可低于2.0厘米
- 表面上可自由设计的图形
- 多样化的安装选择