Cardiag：基于声音的汽车故障智能诊断系统

Cardiag是一个开源的汽车故障智能诊断系统，通过机器学习分析汽车发动机等部件的声音识别机械故障。项目采用5种机器学习方法，结合专家混合架构和集成投票机制，在9类故障分类任务上实现91.5%准确率。

项目由jlacsam维护，发布于GitHub（链接：https://github.com/jlacsam/cardiag），2026年6月9日上线，数据集来自Kaggle的Car Diagnostics Dataset。

传统汽车故障诊断依赖专业技师经验和昂贵设备，普通车主难以早期发现问题且成本高。Cardiag的声音分析方案优势：

• 非侵入式：无需拆解或连接诊断设备
• 低成本：仅需录音设备和计算资源
• 早期预警：故障恶化前发现
• 易部署：可集成到手机应用

任务定义

将声音录音分类到9类故障，涵盖3种车辆状态：

状态	故障类别
刹车	正常刹车、刹车片磨损
怠速	正常怠速、机油不足、动力转向问题、正时皮带故障
启动	正常启动、电池亏电、点火系统故障

数据集详情

• 原始样本：949个WAV文件
• 增强后：1967个（解决类别不平衡）
• 划分：训练70%/验证15%/测试15%（分层抽样）

五种机器学习方法

1. XGBoost：手工特征（MFCC/Delta/色度等），准确率88.5%（单模型最佳）
2. CNN：梅尔频谱图输入，准确率8.1%（表现差）
3. CNN-LSTM：空间+时序特征，准确率14.5%（受数据规模限制）
4. YAMNet迁移：冻结预训练层，准确率79.1%
5. PANNs CNN14迁移：2048维嵌入，准确率86.2%

专家混合架构

分层设计：先判断状态→再分类故障。优势：可解释性强、错误隔离、专业化。结果：PANNs版83.8%，XGB版86.5%

集成投票

集成Top3模型（XGBoost、专家混合-PANNs、专家混合-XGB），多数投票准确率91.5%

结果排名

排名	模型	准确率
1	集成投票(Top3)	91.5%
2	XGBoost	88.5%
3	专家混合(XGB)	86.5%
4	PANNs迁移	86.2%

洞察

• 传统vs深度学习：XGBoost优于CNN，因小数据+有效手工特征
• 迁移学习价值：预训练模型（YAMNet/PANNs）优于从头训练
• 集成威力：投票提升3%准确率，降低方差

潜在应用

1. 手机应用：车主录音诊断
2. 维修店辅助：减少误诊
3. 车辆保险：远程车况评估
4. 车队管理：预防性维护

部署挑战

• 环境噪声干扰
• 手机麦克风与专业设备差异
• 不同车型声音特征差异
• 多故障同时识别难度

技术栈

Python3.x、TensorFlow、XGBoost、Librosa、Scikit-learn

开源价值

• 研究者：音频分类基准
• 开发者：端到端参考
• 教育者：教学案例
• 创业者：产品原型

总结

Cardiag展示声音分析的ML潜力。小数据场景下，传统特征+集成学习优于端到端深度学习，91.5%准确率为部署提供基础，专家混合架构保证可解释性，是音频AI优质参考案例。