SmartListener是一款低成本、支持wi - fi的邊緣人工智能設(shè)備，可以監(jiān)聽(tīng)現(xiàn)實(shí)世界的聲音，比如嬰兒的哭聲、狗叫聲或玻璃破碎聲，并在檢測(cè)到特定聲音事件時(shí)發(fā)送MQTT警報(bào)。它使用PSoC6 AI Kit運(yùn)行使用DeepCraft Studio訓(xùn)練的輕量級(jí)ML模型，并具有定制的3d打印外殼，可在任何房間部署。

主要特點(diǎn):

?Edge AI：直接在PSoC?6上運(yùn)行TensorFlow Lite模型。

?5+聲音類：檢測(cè)嬰兒哭聲，火災(zāi)警報(bào)，玻璃破碎，腳步聲和狗叫。

?MQTT集成：向任何代理(HiveMQ/ mosquito)發(fā)布JSON警報(bào)。

?低延遲：用最少的硬件進(jìn)行實(shí)時(shí)處理。

數(shù)據(jù)集準(zhǔn)備(ESC-50)

ESC-50是環(huán)境聲音分類(ESC)領(lǐng)域的一個(gè)免費(fèi)的、標(biāo)記良好的、廣泛使用的數(shù)據(jù)集。我們使用自定義Python腳本來(lái)拆分、重新采樣和轉(zhuǎn)換數(shù)據(jù)集，以匹配DeepCraft Studio期望的輸入格式。

腳本1：按類拆分ESC-50

腳本2：轉(zhuǎn)換到WAV +采樣到16千赫

這些確保每個(gè)音頻文件在16 kHz，單聲道，16位PCM - PSoC6推理所需。

DEEPCRAFT工作室

英飛凌科技的DEEPCRAFT?Studio是一個(gè)端到端平臺(tái)，用于開(kāi)發(fā)和部署邊緣人工智能應(yīng)用程序。它支持音頻、雷達(dá)、時(shí)間序列和計(jì)算機(jī)視覺(jué)數(shù)據(jù)。憑借直觀的基于圖形的界面，它簡(jiǎn)化了從數(shù)據(jù)收集到部署的機(jī)器學(xué)習(xí)工作流程。該平臺(tái)還提供開(kāi)源入門(mén)模型，使開(kāi)發(fā)人員能夠快速啟動(dòng)人工智能項(xiàng)目并將其部署到邊緣設(shè)備。

DEEPCRAFT工作室：數(shù)據(jù)標(biāo)簽

在能夠訓(xùn)練模型甚至執(zhí)行預(yù)處理之前，需要將數(shù)據(jù)導(dǎo)入DEEPCRAFT工作室，以便我們可以開(kāi)始標(biāo)記它。我們創(chuàng)建了一個(gè)Generic Graph UX項(xiàng)目，在其中添加了一個(gè)“wav文件”節(jié)點(diǎn)，這樣我們就可以讀取訓(xùn)練數(shù)據(jù)。

選擇標(biāo)簽

?嬰兒哭了

?狗叫聲

?玻璃打破

?門(mén)敲

?背景噪音(“未知”)

?其他事件(未標(biāo)記)

DEEPCRAFT工作室：數(shù)據(jù)導(dǎo)入

在標(biāo)記了所有將用于訓(xùn)練模型的數(shù)據(jù)之后，需要將數(shù)據(jù)導(dǎo)入DEEPCRAFT分類項(xiàng)目。然后我們需要將數(shù)據(jù)分成三類：訓(xùn)練數(shù)據(jù)集，驗(yàn)證數(shù)據(jù)集，測(cè)試數(shù)據(jù)集。

DEEPCRAFT Studio：預(yù)處理

原始錄音使用DeepCraft Studio設(shè)計(jì)的精心制作的特征提取管道進(jìn)行預(yù)處理。輸入音頻片段為單通道PCM WAV文件，采樣頻率為16 kHz，并對(duì)預(yù)處理鏈進(jìn)行了實(shí)時(shí)推理和分類精度優(yōu)化。

?滑動(dòng)窗口：該步驟將傳入的音頻流分割成~32毫秒的重疊窗口，用于基于幀的處理。

?漢恩平滑：通過(guò)應(yīng)用漢恩窗來(lái)減少光譜泄漏。

?實(shí)離散傅里葉變換(RDFT)：使用實(shí)值FFT將時(shí)域信號(hào)轉(zhuǎn)換到頻域。

?Frobenius范數(shù)：使用Frobenius范數(shù)將FFT輸出減少為每幀單個(gè)功率譜。

?梅爾濾波器組：將功率譜轉(zhuǎn)換為感知啟發(fā)的梅爾尺度表示-將高維FFT壓縮成有意義的30 bin頻率特征。

?剪輯：通過(guò)剪輯極值來(lái)確保數(shù)值的穩(wěn)定性

?對(duì)數(shù)：應(yīng)用對(duì)數(shù)壓縮來(lái)模擬人類的響度感知，并進(jìn)一步規(guī)范化動(dòng)態(tài)范圍。

?最終滑動(dòng)窗口(譜圖塊)：創(chuàng)建譜圖“快照”，將其傳遞到神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類。

DEEPCRAFT工作室：模型訓(xùn)練

為了訓(xùn)練音頻分類模型，我使用了DeepCraft Studio的modelwizard，它簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)架構(gòu)的選擇和調(diào)整。該模型針對(duì)PSoC6 AI Kit的部署進(jìn)行了優(yōu)化，重點(diǎn)關(guān)注大小、延遲和泛化。

DEEPCRAFT工作室：模型評(píng)估

訓(xùn)練后的Conv1DLSTM模型達(dá)到了76.13%的準(zhǔn)確率和76.08%的f1分?jǐn)?shù)，證明了輕量級(jí)架構(gòu)的可靠性能。混淆矩陣顯示了在分類不同的聲音方面的優(yōu)勢(shì)，比如火(10.25%的正確率)和嬰兒哭聲(11.32%的正確率)，盡管在模糊或罕見(jiàn)的類別中會(huì)出現(xiàn)挑戰(zhàn)。例如，玻璃破碎只有1.27%的時(shí)間被正確識(shí)別，經(jīng)常被錯(cuò)誤地分類為未知(1.91%)，可能是由于有限的訓(xùn)練樣本或細(xì)微的聲學(xué)特征。該模型傾向于將39.46%的樣本標(biāo)記為未知，這表明保守的置信度閾值或噪聲敏感性，而狗和嬰兒哭聲之間的混淆(1.37%)暗示了重疊的頻率模式。

為了提高魯棒性，未來(lái)的工作可以集中在代表性不足的類別(例如，合成玻璃破碎樣本)的數(shù)據(jù)增強(qiáng)和調(diào)整置信度閾值以減少未知預(yù)測(cè)。盡管存在這些挑戰(zhàn)，該模型仍優(yōu)于基線CNN(準(zhǔn)確率約68%)，使其成為進(jìn)一步優(yōu)化邊緣部署的有希望的候選者。

DEEPCAFT工作室：模型生成

DeepCraft Studio被配置為生成優(yōu)化的C代碼(model.h/model. C)，用于在英飛凌的PSoC 6微控制器上部署音頻分類模型。針對(duì)雙核Cortex-M4/M0+架構(gòu)，該設(shè)置支持cmsis加速浮點(diǎn)運(yùn)算，同時(shí)保持全精度(Float32)而無(wú)需量化。

部署

在PSoC?6 AI Kit上部署機(jī)器學(xué)習(xí)模型需要使用英飛凌的開(kāi)發(fā)工具(如ModusToolbox?和DEEPCRAFT?Studio)將訓(xùn)練好的模型集成到嵌入式應(yīng)用程序中。該模型嵌入到PSoC 6的雙核ARM Cortex-M4F/M0+微控制器上運(yùn)行的固件中。實(shí)時(shí)收集來(lái)自板載外設(shè)MEMS麥克風(fēng)的音頻數(shù)據(jù)，并將其傳遞給模型，直接在設(shè)備上進(jìn)行推理，從而實(shí)現(xiàn)低延遲的設(shè)備上AI處理。

為了實(shí)現(xiàn)通信，PSoC 6 AI Kit使用AIROC?CYW43439模塊進(jìn)行Wi-Fi和MQTT連接。通過(guò)在應(yīng)用程序中集成MQTT客戶機(jī)庫(kù)，該工具包可以將推理結(jié)果發(fā)布到MQTT代理，使其成為邊緣到云用例的理想選擇。這種設(shè)置允許我們的應(yīng)用程序在本地執(zhí)行推理并無(wú)線發(fā)送結(jié)果，實(shí)現(xiàn)邊緣智能和連接通信之間的有效平衡。

部署：PSoC 6 AI套件概述

英飛凌科技的PSoC?6 AI評(píng)估套件(CY8CKIT-062S2-AI)是一款面向邊緣AI應(yīng)用的緊湊型開(kāi)發(fā)平臺(tái)。它具有雙核ARM Cortex-M4F/M0+微控制器，集成了6軸運(yùn)動(dòng)傳感器，雷達(dá)和MEMS麥克風(fēng)等傳感器，以及通過(guò)AIROC?CYW43439 Wi-Fi/藍(lán)牙組合模塊的無(wú)線連接。該套件與DEEPCRAFT?Studio兼容，支持機(jī)器學(xué)習(xí)模型訓(xùn)練和部署，使其成為智能家居設(shè)備，可穿戴設(shè)備和工業(yè)監(jiān)控等應(yīng)用的理想選擇。

部署：ML模型推理

項(xiàng)目包含一個(gè)操作系統(tǒng)任務(wù)，該任務(wù)將用于讀取PDM (mic)輸入并將其傳遞給模型，以便進(jìn)行預(yù)處理和分類。

推理任務(wù)將檢查模型的結(jié)果，并在將檢測(cè)到的標(biāo)簽發(fā)送到要發(fā)布的MQTT任務(wù)之前執(zhí)行一些退出操作。

部署：MQTT通信

MQTT通信使用以下配置來(lái)選擇代理(HiveMQ)和發(fā)布者使用的主題

一旦標(biāo)簽被模型確認(rèn)，它將被發(fā)送到MQTT任務(wù)以發(fā)布它。

部署：最終測(cè)試

在用代碼閃爍電路板并連接鋰離子電池后，我們可以將設(shè)備放入定制的外殼中，讓它傾聽(tīng)周?chē)h(huán)境，開(kāi)始檢測(cè)預(yù)定義的聲音并將其傳達(dá)給云。

本文編譯自hackster.io