基于SensiML平台开发语音关键词识别

面向嵌入式微控制器的边缘人工智能是一种低功耗、小型化的机器学习技术，能够在嵌入式设备上进行推理计算，源于物联网的快速发展以及嵌入式设备计算能力的提升，进而促使智能边缘节点实现智能化。当前，由于环境中的智能化需求的提升、嵌入式设备的计算能力提升、保护数据隐私等原因，此研究和应用正处于快速发展的阶段。

通用的应用开发流程，数据采集、数据预处理、模型训练、模型优化和转换模型部署和测试几个部分组成。

SensiML平台开发流程

开发板：项目应用的开发板为Arduino Nano 33 BLE Sense,芯片为nRF52840 SoC低功耗芯片。

数据集：采集本人的中文发音“开灯”、“关灯”声音数据。

特征提取方法：MFCC

识别模型：两层卷积神经网络

模型训练结果：经过100次迭代后，训练集和测试集的损失值

最后均在0.2以下，正确率达到95.9%。

项目步骤和结果

通过Arduino Nano 33 ble Sense开发板上的录音器

采集音频，然后进行推理，判断音频为“openlight”、

“closelight”还是“unknow”，如果为“openlight”则控制

灯亮，“closelight”则控制灯灭，“unknow”则保持状态不变。

训练结果

关于SensiML公司

SensiML公司是QuickLogic的子公司，提供先进的AutoML软件工具，使应用程序开发人员能够快速构建智能IoT设备，将原始传感器数据转换为自主有意义的洞察力。

SensiML Analytics Toolkit提供了一个端到端的开发平台，涵盖数据收集、标记、算法和固件自动生成以及测试。SensiML Toolkit 支持广泛的 Arm® Cortex-M和更高级别的微控制器内核、基于 Intel X86的CPU以及异构内核SoC(如Quicklogic的S3平台)。

审核编辑：汤梓红