語音識(shí)別技術(shù)在自動(dòng)化中非常有用，它不僅可以讓您免提控制設(shè)備，還可以提高系統(tǒng)的安全性。除了制造語音控制小工具外，語音識(shí)別還為患有各種殘疾的人們提供了重要幫助。

在之前的帖子中，我們制作了基于Arduino的文本到語音（TTS）轉(zhuǎn)換器和語音控制燈?，F(xiàn)在，在本篇文章中，我們將使用Edge Impulse Studio通過三個(gè)命令，即“ LIGHT ON”、“ LIGHT OFF”和“ NOISE”，使用機(jī)器學(xué)習(xí)來訓(xùn)練語音識(shí)別模型。 Edge Impulse是一個(gè)在線機(jī)器學(xué)習(xí)平臺(tái)，使開發(fā)人員能夠使用嵌入式機(jī)器學(xué)習(xí)來創(chuàng)建下一代智能設(shè)備解決方案。

所需的組件

● Arduino 33 BLE Sense開發(fā)板

● 發(fā)光二極管

● 跳線

● Edge Impulse Studio

● Arduino IDE

電路原理圖

下面給出了使用Arduino進(jìn)行語音識(shí)別的電路連接圖。這里沒有可用的Arduino 33 BLE的Fritzing部件，所以我使用了Arduino Nano，兩者的引腳排列相同。

LED的正極引腳連接到Arduino 33 BLE Sense開發(fā)板的數(shù)字引腳5，負(fù)極引腳連接到Arduino的GND引腳。

創(chuàng)建用于Arduino語音識(shí)別的數(shù)據(jù)集

本文中，Edge Impulse Studio用于訓(xùn)練我們的語音識(shí)別模型。在Edge Impulse Studio上訓(xùn)練模型類似于在其他機(jī)器學(xué)習(xí)框架上訓(xùn)練機(jī)器學(xué)習(xí)模型。對(duì)于訓(xùn)練，機(jī)器學(xué)習(xí)模型的第一步是收集一個(gè)數(shù)據(jù)集，該數(shù)據(jù)集包含我們希望能夠識(shí)別的數(shù)據(jù)樣本。

由于我們的目標(biāo)是使用語音命令控制LED，因此我們需要收集所有命令和噪聲的語音樣本，以便可以區(qū)分語音命令和其他噪聲。

我們將創(chuàng)建一個(gè)具有三個(gè)類別的數(shù)據(jù)集：“LED ON”，“LED ON”和“noise”。要?jiǎng)?chuàng)建數(shù)據(jù)集，請(qǐng)先創(chuàng)建一個(gè)Edge Impulse帳戶，驗(yàn)證您的帳戶，然后啟動(dòng)一個(gè)新項(xiàng)目。您可以使用手機(jī)、Arduino開發(fā)板來加載樣本，也可以將數(shù)據(jù)集導(dǎo)入到Edge Impulse帳戶中。將樣本加載到您的帳戶中最簡(jiǎn)單的方法是使用手機(jī)。為此，將手機(jī)與Edge Impulse連接。

要連接手機(jī)，請(qǐng)單擊“Devices”，然后單擊“Connect a New Device”。

這樣會(huì)將您的手機(jī)與Edge Impulse Studio連接。

通過將手機(jī)與Edge Impulse Studio連接，您現(xiàn)在可以加載樣本。要加載樣本，請(qǐng)點(diǎn)擊“Data acquisition”?，F(xiàn)在，在“Data acquisition”頁面上，輸入標(biāo)簽名稱，選擇麥克風(fēng)作為傳感器，然后輸入采樣長度。點(diǎn)擊“Start sampling”，您的設(shè)備將捕獲一個(gè)2秒的采樣。在不同條件下總共記錄10到12個(gè)語音樣本。

在上傳樣本后，現(xiàn)在設(shè)置更改標(biāo)簽并收集“l(fā)ight off’”和“noise”的樣本。

這些樣本用于培訓(xùn)模塊，在接下來的步驟中，我們將收集測(cè)試數(shù)據(jù)。測(cè)試數(shù)據(jù)至少應(yīng)為訓(xùn)練數(shù)據(jù)的30％，因此請(qǐng)收集4個(gè)“noise”樣本和4至5個(gè)“l(fā)ight on”和“l(fā)ight off”樣本。

訓(xùn)練模型

準(zhǔn)備好數(shù)據(jù)集后，現(xiàn)在我們可以為數(shù)據(jù)創(chuàng)建一個(gè)Impulse。為此，請(qǐng)轉(zhuǎn)到“Create impulse”頁面。將窗口大小1000 ms的默認(rèn)設(shè)置更改為1200ms，將500 ms窗口增加到50ms。這意味著我們的數(shù)據(jù)將在每次58 ms的時(shí)間內(nèi)一次處理1.2 s。

現(xiàn)在，在“Create impulse”頁面上，單擊“Add a processing block”。在下一個(gè)窗口中，選擇Audio（MFCC）塊。之后，點(diǎn)擊“Add a learning block”，然后選擇Neural Network (Keras) 模塊。然后點(diǎn)擊“Save Impulse”。

在下一步中，轉(zhuǎn)到MFCC頁面，然后單擊“Generate Features”。它將為我們所有的音頻窗口生成MFCC塊。

之后，轉(zhuǎn)到“ NN Classifier”頁面，然后單擊“Neural Network settings”右上角的三個(gè)點(diǎn)，然后選擇“Switch to Keras (expert) mode”。

將原始代碼替換為以下代碼，并將“最Minimum confidence rating”更改為“ 0.70”。然后點(diǎn)擊“Start training”按鈕。它將開始訓(xùn)練您的模型。

import tensorflow as tf

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense, InputLayer, Dropout, Flatten, Reshape, BatchNormalization, Conv2D, MaxPooling2D, AveragePooling2D

from tensorflow.keras.optimizers import Adam

from tensorflow.keras.constraints import MaxNorm

# model architecture

model = Sequential()

model.add(InputLayer(input_shape=(X_train.shape[1], ), name='x_input'))

model.add(Reshape((int(X_train.shape[1] / 13), 13, 1), input_shape=(X_train.shape[1], )))

model.add(Conv2D(10, kernel_size=5, activation='relu', padding='same', kernel_constraint=MaxNorm(3)))

model.add(AveragePooling2D(pool_size=2, padding='same'))

model.add(Conv2D(5, kernel_size=5, activation='relu', padding='same', kernel_constraint=MaxNorm(3)))

model.add(AveragePooling2D(pool_size=2, padding='same'))

model.add(Flatten())

model.add(Dense(classes, activation='softmax', name='y_pred', kernel_constraint=MaxNorm(3)))

# this controls the learning rate

opt = Adam(lr=0.005, beta_1=0.9, beta_2=0.999)

# train the neural network

model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])

model.fit(X_train, Y_train, batch_size=32, epochs=9, validation_data=(X_test, Y_test), verbose=2)

訓(xùn)練模型后，它將顯示訓(xùn)練效果。本文中，精度為81.1％，損耗為0.45，這不是理想的，但我們可以繼續(xù)進(jìn)行。您可以通過創(chuàng)建龐大的數(shù)據(jù)集來提高模型的性能。

現(xiàn)在，當(dāng)我們的語音識(shí)別模型準(zhǔn)備就緒時(shí)，我們將把該模型部署為Arduino庫。在將模型下載為庫之前，您可以轉(zhuǎn)到“Live Classification”頁面來測(cè)試性能。Live Classification功能使您既可以使用數(shù)據(jù)集附帶的現(xiàn)有測(cè)試數(shù)據(jù)，也可以通過流式傳輸手機(jī)中的音頻數(shù)據(jù)來測(cè)試模型。

要使用手機(jī)測(cè)試數(shù)據(jù)，請(qǐng)?jiān)谑謾C(jī)上選擇“Switch to Classification Mode”。

現(xiàn)在要將模型下載為Arduino庫，請(qǐng)轉(zhuǎn)到“Deployment”頁面，然后選擇“ Arduino庫”?，F(xiàn)在向下滾動(dòng)并點(diǎn)擊“Build”。這將為您的項(xiàng)目制作一個(gè)Arduino庫。

現(xiàn)在，在您的Arduino IDE中添加該庫。請(qǐng)打開Arduino IDE，然后單擊Sketch> Include Library> Add.ZIP library。然后，轉(zhuǎn)到File > Examples > Your project name - Edge Impulse > nano_ble33_sense_microphone加載示例。

用于Arduino語音識(shí)別的代碼

我們?cè)趘oid loop()函數(shù)中進(jìn)行一些更改，在該處打印命令的概率。在原始代碼中，它將所有標(biāo)簽及其值一起打印。

for (size_t ix = 0; ix < EI_CLASSIFIER_LABEL_COUNT; ix++) {

ei_printf(" %s: %.5f\n", result.classification[ix].label, result.classification[ix].value);

}

為了控制LED，我們必須將所有命令概率保存在三個(gè)不同的變量中，以便我們可以在它們上放置條件語句。因此，根據(jù)新代碼，如果“l(fā)ight on”命令的概率大于0.50，則它將打開LED；如果“l(fā)ight off’”命令的概率大于0.50，則它將關(guān)閉LED。

for (size_t ix = 2; ix < EI_CLASSIFIER_LABEL_COUNT; ix++) {

noise = result.classification[ix].value;

Serial.println("Noise: ");

Serial.println(noise);

}

for (size_t ix = 0; ix < EI_CLASSIFIER_LABEL_COUNT; ix--) {

lightoff = result.classification[ix].value;

Serial.println("Light Off: ");

Serial.print(lightoff);

}

lighton = 1- (noise +lightoff);

Serial.println("Light ON: ");

Serial.print(lighton);

if (lighton > 0.50){

digitalWrite(led, HIGH);

}

if (lightoff > 0.50){

digitalWrite(led, LOW);

}

進(jìn)行更改后，將代碼上傳到Arduino。以115200波特率打開串口監(jiān)視器。

以上就是您可以使用Arduino構(gòu)建語音識(shí)別并發(fā)出命令以操作設(shè)備的方式。
編輯：hfy