上面的標題是粗體的，但它背后的 ST 軟件名為 Baby Crying Detector 的創(chuàng)建。該應用程序是我們的 iOS 和 Android 移動工具STBLESensor上提供的眾多演示之一。該應用程序與ST 最強大的傳感器平臺 SensorTile.box配合使用。顧名思義，嬰兒哭泣探測器檢測嬰兒是否在哭泣。SensorTile.box 使用其MP23ABS1 MEMS 麥克風以 16 kHz 樣本記錄聲音。然后，它處理信號，然后將其傳遞給在主機STM32L4R9上運行的機器學習算法。如果系統(tǒng)確定孩子在哭泣，傳感器板上的 LED 會變?yōu)榫G色，智能手機會通過藍牙接收警報。

在一系列悲劇登上報紙頭版后，ST 工程師決定編寫 Baby Crying Detector。在炎熱的夏天，父母會不經(jīng)意地將孩子留在車里，直到為時已晚才意識到這一點。因此，我們的專家提出了一個簡單的問題：我們能否用現(xiàn)有技術防止此類悲劇發(fā)生？由于處于困境中的孩子幾乎總是會哭泣，因此檢測到他們的尖叫聲可能會觸發(fā)警報。問題是要有效，應用程序需要精確。因此，人工智能是必要的，因為對算法進行硬編碼將是一項艱巨的工作。此外，該平臺需要足夠強大的傳感器來捕獲質(zhì)量數(shù)據(jù)。ST 工程師因此意識到SensorTile.box打開了嬰兒哭泣探測器的大門，因為它將人工智能和性能集中在一個屋檐下。

嬰兒哭泣探測器：曾幾何時，有數(shù)據(jù)

獲取質(zhì)量數(shù)據(jù)

當 ST 工程師開始研究嬰兒哭泣探測器時，他們遇到的第一個障礙是尋找有用的訓練數(shù)據(jù)。著名的格言“垃圾進，垃圾出”與機器學習特別相關。因此，我們的團隊首先梳理了數(shù)十小時的嬰兒哭聲錄音。他們還意識到拒絕數(shù)據(jù)同樣重要。因此，獲取環(huán)境噪音、動物和成年人哭泣等許多其他方面的樣本至關重要。最終，我們工程師的磨難凸顯了當今獲取高質(zhì)量數(shù)據(jù)的困難，并暴露了 ST 合作伙伴可以幫助收集數(shù)據(jù)的重要性。

解決誤報

一旦 ST 團隊認為他們的數(shù)據(jù)集令人滿意，他們就開始測試神經(jīng)網(wǎng)絡。初步評估令人鼓舞。然而，他們也意識到他們有一些反復出現(xiàn)的誤報。其中一個發(fā)生在系統(tǒng)將狗的嚎叫誤認為是嬰兒的哭聲時。為了解決這個問題，我們的團隊在將音頻信號發(fā)送到神經(jīng)網(wǎng)絡之前調(diào)整了快速傅里葉變換。ST 工程師還實施了慣性檢測系統(tǒng)。Baby Crying Detector 假設車內(nèi)只有一個嬰兒。如果車輛在移動，則意味著有司機，警報是無用的。當前的實現(xiàn)相對基本，但開發(fā)人員可以使用 SensorTile.box 上的 LSM6DSOX 的機器學習核心來感知運動，同時將功耗保持在最低水平。

使用 STM32Cube.AI 轉(zhuǎn)換神經(jīng)網(wǎng)絡

Baby Crying Detector 的另一個突出特點是能夠在 STM32L4 上運行機器學習算法。為了實現(xiàn)這樣的壯舉，ST 工程師使用了 STM32CubeMX.AI。擴展軟件將神經(jīng)網(wǎng)絡轉(zhuǎn)換為 STM32 的優(yōu)化代碼。在這種情況下，我們的開發(fā)人員在Keras上創(chuàng)建了一個神經(jīng)網(wǎng)絡。該 API 基于 TensorFlow 2.0 構建，生成一個 Python 庫，用戶隨后可以使用X-CUBE-AI對其進行處理。結果是開發(fā)人員可以在主循環(huán)中調(diào)用的二進制文件。因此，Baby Cry Detector 從麥克風獲取信號，將其發(fā)送到由 X-CUBE-AI 優(yōu)化的神經(jīng)網(wǎng)絡，并返回系統(tǒng)是否檢測到嬰兒遇險。

不是最終產(chǎn)品

嬰兒哭泣探測器甚至可以防止一個孩子死亡嗎？我們相信答案是“是的”，但我們也知道我們的應用程序還沒有準備好進入市場。希望銷售類似解決方案的公司將不得不收集更多數(shù)據(jù)并創(chuàng)建更復雜的神經(jīng)網(wǎng)絡以提高其準確性。但是，我們的應用程序通過來自 Internet 的簡單數(shù)據(jù)集展示了我們在短時間內(nèi)完成的工作。因此，嬰兒哭泣探測器以非常真實的方式展示了人工智能和傳感器的潛力，以及工程師在投資 SensorTile.box 和 ST 生態(tài)系統(tǒng)時可以期待什么。

審核編輯：郭婷