عنوان: طبقه بندی صدای محیطی در میکروکنترلرها با استفاده از شبکه های عصبی کانولوشن
سر و صدا (نویز) یک مشکل رو به رشد در مناطق شهری است و طبق گفته WHO دومین علت زیست محیطی مشکلات بهداشتی در اروپا است. نظارت بر نویز با استفاده از شبکههای حسگر بیسیم به منظور درک و کمک به کاهش این مشکلات نویز اعمال میشود. مطلوب است که این سیستم های حسگر، علاوه بر ثبت سطح صدا، بتوانند منبع صوتی احتمالی را نشان دهند. با این حال، انتقال صدا به یک سیستم ابری برای طبقه بندی انرژی بر است و ممکن است باعث ایجاد مشکلاتی در حفظ حریم خصوصی شود. همچنین برای پذیرش گسترده و پوشش متراکم حسگر بسیار مهم است که گره های حسگر جداگانه کم هزینه باشند. بنابراین ما پیشنهاد میکنیم که با استفاده از یک میکروکنترلر کمهزینه، طبقهبندی نویز را روی گره حسگر انجام دهیم.
چندین شبکه عصبی کانولوشنال برای میکروکنترلر کم مصرف STM32L476 با استفاده از چارچوب یادگیری عمیق Keras طراحی و با استفاده از موتور استنتاج X-CUBE-AI ارائه شده توسط فروشنده به کار گرفته شد. بودجه منابع برای مدل حداکثر 50 درصد استفاده از CPU، RAM و FLASH تعیین شده است. 10 تغییر مدل بر روی وظیفه طبقه بندی صدای محیطی با استفاده از مجموعه داده استاندارد Urbansound8k مورد ارزیابی قرار گرفت.
بهترین مدلها از کانولوشنهای Depthwise-Separable با گام برداشتن برای نمونهبرداری پایین استفاده میکردند و توانستند به 70.9٪ دقت متوسط 10 برابری برسند در حالی که فقط 20٪ CPU مصرف میکردند. طبق اطلاعات ما، این بالاترین عملکرد گزارش شده در Urbansound8k با استفاده از یک میکروکنترلر است. یکی از مدلها نیز بر روی یک دستگاه توسعه میکروکنترلر آزمایش شد و طبقهبندی صداهای محیطی را در زمان واقعی نشان داد.
این نتایج نشان می دهد که از نظر محاسباتی امکان طبقه بندی صدای محیطی در میکروکنترلرهای کم مصرف وجود دارد. توسعه بیشتر باید امکان ایجاد شبکههای حسگر بیسیم را برای نظارت بر نویز با طبقهبندی منبع نویز روی لبه فراهم کند.
آزمایش ها را اجرا کنید
راه اندازی
توصیه می شود از مینی کوندا استفاده کنید
conda env create -f environment.yml
conda activate microesc
به عنوان جایگزین، می توان از pip استفاده کرد
#pip install -r requirements.txt
فایل های صوتی را به ویژگی ها از قبل پردازش کنید
python3 preprocess.py
بررسی کنید که محیط کار می کند. این روند تمرین را اجرا می کند، اما فقط برای چند دقیقه.
python3 jobs.py --check
اجرا
مدل ها را آموزش دهید
python3 jobs.py
مدل های به دست آمده را ارزیابی کنید
python3 test.py
نتایج را ترسیم کنید
python3 report.py
پروژه مشابه دارید؟
برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام و اینستاگرام اقدام نمایید.
اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.
سریع ترین راه پاسخگویی سیمیا، واتساپ می باشد. لینک واتساپ، اینستاگرام و تلگرام در پایین سایت وجود دارد.
نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.
از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.