在智能物聯網家庭和先進安防系統日益普及的時代，對精準且可靠的傳感器的需求比以往任何時候都更加迫切。在各種類型的安防設備中，玻璃破裂傳感器（Glass-Break Sensor）是其中的第一道防線。當它被設計成能夠準確識別玻璃破裂的聲音，就能有效地提醒房主或安防系統注意潛在的危險入侵行為。

人工智能（AI）和機器學習（ML）的出現，徹底革新了智能傳感器和玻璃破裂檢測技術，不僅通過自適應學習帶來了更高的準確性，還實現了設備體積更小、成本更低的優勢。Silicon Labs（芯科科技）支持AI/ML的無線SoC正處于這一突破性創新的前沿。

支持AI/ML的SoC在玻璃破裂檢測中的優勢

現有的聲學玻璃破裂傳感器通常依賴于傳統的數字信號處理（DSP）算法，通過麥克風的音量閾值和聲音頻率分析來判斷窗戶玻璃是否被打破。雖然在一定程度上有效，但這類傳感器容易因其他常見的高頻或尖銳噪音（如門鈴聲、餐具碰撞聲、人聲甚至是響亮的音樂）而產生誤報。

另一類玻璃破裂傳感器稱為震動傳感器，它們通過檢測玻璃上的震動來觸發警報。當震動幅度超過預設閾值時，警報就會被激活。然而，即使是敲擊或輕拍窗戶，也可能被誤判為入侵行為。這兩類傳感器的主要缺點包括：

誤報率高

需要手動調整靈敏度

準確性不穩定

震動傳感器需為每塊玻璃單獨安裝設備，增加了整體安裝成本

這正是芯科科技的AI/ML集成SoC能夠解決傳統玻璃破裂傳感器局限性的地方。通過將人工智能和機器學習功能集成到傳感器設計中，這些SoC不僅加快了開發進程，還提供了更高的靈活性，大幅提升了玻璃破裂檢測的準確性和可靠性，顯著降低了誤觸發的概率。

這種提升是通過將基于機器學習的模式匹配算法，于大量環境聲音和玻璃破裂音頻樣本數據集上進行訓練而實現的。傳感器能夠學習并識別玻璃破裂的獨特聲音特征，并將其與環境噪音區分開來。因此，傳感器能有效減少誤報，僅在真正發生玻璃破裂事件時才觸發警報。

該視頻展示了芯科科技的機器學習玻璃破裂傳感器相較于市面上傳統算法傳感器的卓越性能。

玻璃破裂檢測解決方案

芯科科技的SoC在設計時充分考慮了功耗效率，這意味著集成機器學習功能不僅減少了對外部組件的依賴，還降低了功耗和設計成本，我們的xG24、xG26和xG28系列SoC均配備了矩陣向量處理器（MVP），可將機器學習推理速度提升至8倍，同時功耗降低至六分之一，從而實現性能優化。

這對電池供電的傳感器尤為重要，因為它延長了設備的使用壽命，減少了頻繁維護的需求。維護和更換頻率的降低，也在長期內顯著減少了整體成本。

芯科科技與領先的機器學習解決方案提供商AIZIP合作，基于EFR32無線SoC的機器學習能力，共同開發了一種基于音頻的玻璃破裂檢測解決方案。該方案利用AIZIP的機器學習應用程序，在低功耗運行的同時，能夠準確檢測房間內真實的玻璃破裂聲音，從而實現多年的電池續航。

以下表格展示了該解決方案在性能測試中的部分結果，體現了其在市場中的領先能力：

Detection Rate By Distance

False Positive Testing

玻璃破裂檢測參考設計

我們的參考設計硬件由EFR32xG28 Explorer Kit（xG28-EK2705A）與一塊定制設計的玻璃破裂傳感器板組成，該傳感器板集成了模擬和數字麥克風以及慣性測量單元（IMU）傳感器。

該傳感器板由一顆CR-123電池供電，根據使用模式不同，可提供3至6年的運行時間。該參考設計已準備好進行測試，并配套提供軟件應用程序，其中包括以下功能：

藍牙連接

自適應閾值調整

音頻前端處理

AIZIP的機器學習算法