一种基于TinyML的水龙头流水声音检测方法与流程

一种基于tinyml的水龙头流水声音检测方法
技术领域
1.本发明涉及人工智能技术领域，具体涉及一种基于tinyml的水龙头流水声音检测方法。


背景技术：

2.水是一切生命赖以生存，社会经济发展不可缺少和不可替代的重要自然资源和环境要素。但是，现代社会的人口增长、工农业生产活动和城市化的急剧发展，对有限的水资源及水环境产生了巨大的冲击，水资源浪费的情况较为严重。目前，节约用水往往停留在宣传的道德层面，技术手段发挥的作用较为有限。


技术实现要素：

3.本发明为了克服以上技术的不足，提供了一种有效避免水龙头浪费用水的基于tinyml的水龙头流水声音检测方法。
4.本发明克服其技术问题所采用的技术方案是：一种基于tinyml的水龙头流水声音检测方法，包括如下步骤：a)采集水龙头流水声音数据，作为正样本数据，采集室内其他声音数据作为负样本数据，构建流水声音数据库；b)构建流水声音检测模型；c)将流水声音检测模型部署在服务器上，并对流水声音检测模型进行训练；d)将训练后的流水声音检测模型部署到具有微处理器的开发板上，该开发板上具有报警装置；e)当开发板检测到流水声音后，开发板中的微处理器控制报警装置报警。
5.进一步的，步骤b)中通mfcc梅尔频率倒普系数提取声音数据库中的声音数据特征，构建mobilenet-v1神经网络模型。
6.进一步的，步骤b)中通过交叉熵损失函数将流水声音数据库中声音数据二分类。
7.进一步的，步骤d)中采用arduino平台的微处理器开发板，将流水声音检测模型部署到arduino平台的微处理器开发板中。
8.进一步的，步骤d)中报警装置为设置于开发板上的led灯和蜂鸣器。
9.本发明的有益效果是：通过mfcc(梅尔频率倒谱系数)提取声音数据特征，构建神经网络模型，并进行模型训练。通过模型量化和压缩方式降低模型容量。模型采用的mobilenet-v1神经网络，基于网络中可分离卷积的特点。采用arduino将模型部署到微处理器开发板上。另外，定制开发板，集成微处理器开发板和报警装置，当模型预测到流水声音后，使用蜂鸣器和led闪烁的方式，实施报警。人们听到报警声音后，及时关闭水龙头，有效避免水龙头的浪费。运行在开发板上的水龙头流水声音检测模型容量只有几百kb，运行功耗小，适合长时间持续运行。并且由于低功耗设备资源配置低，成本较低，在运行时间、功耗消耗和设备成本上可控。
附图说明
10.图1为本发明的流程结构图。
具体实施方式
11.下面结合附图1对本发明做进一步说明。
12.一种基于tinyml的水龙头流水声音检测方法，包括如下步骤：a)采集水龙头流水声音数据，作为正样本数据，采集室内其他声音数据作为负样本数据，构建流水声音数据库；b)构建流水声音检测模型；c)将流水声音检测模型部署在服务器上，并对流水声音检测模型进行训练；d)将训练后的流水声音检测模型部署到具有微处理器的开发板上，该开发板上具有报警装置；e)当开发板检测到流水声音后，开发板中的微处理器控制报警装置报警。
13.通过低功耗开发板上实时采集声音数据，并将声音数据传到水声检测模型，检测是否是水龙头流水声音，如检测到流水声，则启动蜂鸣器和led灯进行流水报警。采用的设备包括载有微处理器的开发板、声音传感器、蜂鸣器、led灯等警报装置。技术方案为收集训练数据，包括流水声音正样本数据以及一些其他声音负样本数据，构建流水声音检测数据集。通过mfcc(梅尔频率倒谱系数)提取声音数据特征，构建神经网络模型，并进行模型训练。通过模型量化和压缩方式降低模型容量。模型采用的mobilenet-v1神经网络，基于网络中可分离卷积的特点，本专利提出将可分离卷积中的depthwise卷积和pointwise卷积同步量化方法，这样可以改善模型效果。采用arduino将模型部署到微处理器开发板上。另外，定制开发板，集成微处理器开发板和报警装置，当模型预测到流水声音后，使用蜂鸣器和led闪烁的方式，实施报警。人们听到报警声音后，及时关闭水龙头，有效避免水龙头的浪费。运行在开发板上的水龙头流水声音检测模型容量只有几百kb，运行功耗小，适合长时间持续运行。并且由于低功耗设备资源配置低，成本较低，在运行时间、功耗消耗和设备成本上可控，具备较强的商业价值。
14.实施例1：步骤b)中通mfcc梅尔频率倒普系数提取声音数据库中的声音数据特征，构建mobilenet-v1神经网络模型。
15.实施例2：步骤b)中通过交叉熵损失函数将流水声音数据库中声音数据二分类。
16.实施例3：步骤d)中采用arduino平台的微处理器开发板，将流水声音检测模型部署到arduino平台的微处理器开发板中。
17.实施例4：步骤d)中报警装置为设置于开发板上的led灯和蜂鸣器。
18.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。


技术特征：
1.一种基于tinyml的水龙头流水声音检测方法，其特征在于，包括如下步骤：a)采集水龙头流水声音数据，作为正样本数据，采集室内其他声音数据作为负样本数据，构建流水声音数据库；b)构建流水声音检测模型；c)将流水声音检测模型部署在服务器上，并对流水声音检测模型进行训练；d)将训练后的流水声音检测模型部署到具有微处理器的开发板上，该开发板上具有报警装置；e)当开发板检测到流水声音后，开发板中的微处理器控制报警装置报警。2.根据权利要求1所述的基于tinyml的水龙头流水声音检测方法，其特征在于：步骤b)中通mfcc梅尔频率倒普系数提取声音数据库中的声音数据特征，构建mobilenet-v1神经网络模型。3.根据权利要求1所述的基于tinyml的水龙头流水声音检测方法，其特征在于：步骤b)中通过交叉熵损失函数将流水声音数据库中声音数据二分类。4.根据权利要求1所述的基于tinyml的水龙头流水声音检测方法，其特征在于：步骤d)中采用arduino平台的微处理器开发板，将流水声音检测模型部署到arduino平台的微处理器开发板中。5.根据权利要求1所述的基于tinyml的水龙头流水声音检测方法，其特征在于：步骤d)中报警装置为设置于开发板上的led灯和蜂鸣器。

技术总结
一种基于TinyML的水龙头流水声音检测方法，通过MFCC(梅尔频率倒谱系数)提取声音数据特征，构建神经网络模型，并进行模型训练。通过模型量化和压缩方式降低模型容量。模型采用的MobileNet-V1神经网络，基于网络中可分离卷积的特点。采用Arduino将模型部署到微处理器开发板上。另外，定制开发板，集成微处理器开发板和报警装置，当模型预测到流水声音后，使用蜂鸣器和LED闪烁的方式，实施报警。人们听到报警声音后，及时关闭水龙头，有效避免水龙头的浪费。运行在开发板上的水龙头流水声音检测模型容量只有几百KB，运行功耗小，适合长时间持续运行。并且由于低功耗设备资源配置低，成本较低，在运行时间、功耗消耗和设备成本上可控。功耗消耗和设备成本上可控。功耗消耗和设备成本上可控。


技术研发人员：陈其宾 李锐 王建华
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：2021.07.07
技术公布日：2023/1/13