随着制造业自动化、信息化水平的不断提高，电动剃须刀、电吹风等小家电的生产加工速度与日俱增。与此同时，消费者和生产厂家对产品的质量也都精益求精，这都给此类产品的质量检测带来了新的挑战。传统的人工质量检测手段因其效率低、易受主观误差影响等问题，越来越难以满足现代化生产线的需求。自动化、智能化的检测方法亟待完善。产品的音频特征既可以间接反映客观质量状况，又直接影响着用户体验，而且与震动、电磁特性等特征相比，音频特征更容易实现自动化检测。因此，利用音频实现质量自动检测的方法受到了产业界和学术界的普遍关注。以电动剃须刀为例，有经验的检测人员可以通过产品工作时的声音判断其有无质量问题和是否会给消费者带来听觉不适。但是，经过多年研究仍未发现某种音频特征能够作为剃须刀的质量检测提供可量化的标准。目前，利用多特征提取和模式识别等方法对人类听觉的主观分类进行模拟，为基于音频的自动化质量检测提供了一个有效手段。本课题主要探讨了对电动剃须刀的音频进行小波包分析预处理，提取小波包子带能量和子带的美尔倒谱系数(MFCC)特征，再利用支持向量机对其分类从而实现质量自动检测的方法。首先，针对生产现场多噪声和语音干扰的问题，利用小波包分解保留适当的子带，提高音频的信噪比和信干比。然后，分析小波包分解后合格产品与不合格产品特征子带的能量和MFCC系数，通过实验找出其中差别最为明显的几个分量或分量间的关系作为分类特征。最后，利用支持向量机和选取的特征对产品的音频进行分类，实现质量检测的目的，并分析不同特征组合对分类结果的影响，确定最优特征集。基于音频分类的质量检测方法具有广阔的发展和应用前景。它模拟人耳听觉，通过音频特征提取和模式识别方法实现对合格产品和不合格产品的分类，并用大量经专业人员检测的音频生成训练集和测试集，通过实验验证了以产品音频小波包子带能量和MFCC为特征利用支持向量机进行音频质量检测的可行性，取得了较好的检测结果。