Funpack9活動板卡是來自ST的SensorTile.box，本期活動也順利于6月20日截止了，朋友們使用之后最大的感受便是：“這期板卡太有意思了”、“這期板卡太優(yōu)秀了！”是的，能滿足大家的需求也是我們一直追求的方向。若是你還沒發(fā)現(xiàn)Funpack活動，現(xiàn)在還來得及，下面還有三期，快來參加Funpack活動吧。

本期活動是從三個任務中任選其一完成，尤其最后一個任務：使用神經(jīng)網(wǎng)絡系統(tǒng)，實現(xiàn)特定聲音檢測功能，如：口哨、咳嗽、鳥叫等，可參考官方提供的嬰兒啼哭檢測。既有挑戰(zhàn)性，又涉及機器學習，完成也很有成就感。

本期我們有好幾個小伙伴都選擇完成任務三，為他們的選擇點贊。本次分享的是來自中國科學技術大學的同學【氫化脫氯次氯酸】使用Sensortile.box的麥克風實現(xiàn)對鋼琴、吉他、小提琴的聲音檢測，并在Qeexo AutoML平臺上完成模型訓練。

項目分享：https://www.eetree.cn/project/detail/392

1 平臺介紹1.1 SensorTile.box開發(fā)板STEVAL-MKSBOX1V1（SensorTile.box）是具有無線物聯(lián)網(wǎng)和可穿戴傳感器平臺的即用型套件盒，無論您的專業(yè)水平如何，均可幫助您使用和開發(fā)基于遠程運動和環(huán)境傳感器數(shù)據(jù)的應用程序。

這款超低功耗藍牙低功耗解決方案由運行頻率為120 MHz的ARM Cortex-M4（STM32L4R9）提供支持，具有環(huán)境，音頻和運動傳感器功能。

環(huán)境傳感器，例如溫度（STTS751），濕度（HTS221）和壓力（LPS22HH）傳感器用于監(jiān)視貨物狀態(tài)和庫存管理，例如環(huán)境閾值檢測可用于激活條件或除濕系統(tǒng)容器。

運動傳感器，如加速度計（LIS2DW12），用于檢測運動，方向，振動，碰撞/震動事件，自由落體。此外，ST傳感器可以將機器學習核心功能（LSM6DSOX）嵌入傳感器內(nèi)部，并結合更高的精度，它們提供了低功率解決方案，可以監(jiān)控更復雜的車輛運動，跟蹤船只，以進行飛機模式檢測。

機上的氣壓計壓力傳感器（LPS22HH）也可用于檢測高度變化或檢測飛機的起飛和降落，例如在飛行過程中用于打開和關閉無線電傳輸。

1.2 Qeexo AutoMLQeexo AutoML是一個一鍵式自動化機器學習平臺，讓用戶可以利用傳感器數(shù)據(jù)針對高度受限的環(huán)境快速創(chuàng)建機器學習解決方案。使用AutoML創(chuàng)建的機器學習引擎，具有輕量級的特點，專為在邊緣設備上本地化運行而設計，無需訪問云端。

對于需要低耗能和低延遲的應用來說，比如移動、物聯(lián)網(wǎng)、可穿戴設備、汽車等行業(yè)，AutoML模型是理想的選擇。 2 任務及實現(xiàn)方案2.1 本期任務任務三：使用神經(jīng)網(wǎng)絡系統(tǒng)，實現(xiàn)特定聲音檢測功能，如：口哨、咳嗽、鳥叫等，可參考官方提供的嬰兒啼哭檢測。

2.2 方案簡介我的實現(xiàn)方案是運用SensorTile.box的麥克風實現(xiàn)樂器聲音（鋼琴、吉他、小提琴）的檢測，由iPad上的庫樂隊應用模擬樂器的聲音，模型的訓練在Qeexo AutoML平臺上完成。 3 實現(xiàn)過程3.1 傳感器配置新建工程，創(chuàng)建新環(huán)境并命名為mic，選擇麥克風傳感器。

3.2 采集數(shù)據(jù)可以采集的數(shù)據(jù)有兩種格式：連續(xù)時間數(shù)據(jù)和事件。由于我們需要檢測時間持續(xù)的聲音，這里選擇連續(xù)數(shù)據(jù)，以樂器名作為標簽，并設置采集時間為60s。

分別采集4組訓練集數(shù)據(jù)，分別為無音樂、小提琴、鋼琴和吉他。可以在data選項卡中檢查數(shù)據(jù)，并以圖像方式呈現(xiàn)。

錄入訓練集后，繼續(xù)錄入測試集，并將測試集數(shù)據(jù)與對應的訓練集數(shù)據(jù)進行鏈接。

3.3 模型訓練點擊start new training，并設置模型與訓練參數(shù)開始訓練。等待其訓練結束后可以查看各模型的訓練結果

選擇在測試集準確度最高的模型Artificial Neural Network，將其下載到SensorTile.box中，點擊右側的LIVE TEST可以進行在線測試。 3.4 模型測試對于SensorTile.box，可以選擇USB連接和藍牙連接。

選擇連接方式后，即可開始測試。播放音樂，屏幕中央會顯示當前識別到的樂器。

4 心得體會本次任務不需要編寫任何代碼，數(shù)據(jù)采集、模型訓練等都是在Qeexo AutoML平臺上完成，操作容易，且不需要了解機器學習的各種原理，極大降低了機器學習的入門門檻。同時SensorTile.box配有許多傳感器，且有著很高的性能，是一個進行入門機器學習的理想平臺。

編輯：jq