描述

1) 簡介

免提選擇電梯樓層

2) 特點

• 語音控制
• 液晶顯示器

3) 硬件

3.1) 用于 Raspi Stretch 的麥克風

按照這些說明確保您可以在 Raspberry Pi 上錄制音頻

這是此項目中 Raspi Stretch 的配置：

更新 ALSA 配置：

sudo nano /usr/share/alsa/alsa.conf

并尋找以下兩行：

defaults.ctl.card 0
defaults.pcm.card 0

將“0”都更改為“1”，然后保存文件

3.2 示意圖

Raspi 和 LCD SSD1306

?

4) 代碼

4.1) 準備數(shù)據集

首先，在您的計算機上下載并解壓縮Google Speech Commands 數(shù)據集。

打開 1_data_pre.py.將變量更改 dataset_path為指向計算機上解壓縮的 Google Speech Commands 數(shù)據集目錄的位置。運行整個腳本。

該腳本會將所有語音樣本（不包括background_noise集）轉換為它們的梅爾頻率倒譜系數(shù) (MFCC)，將它們分為訓練集、驗證集和測試集，并將它們作為張量保存在一個名為

all_targets_mfcc_sets.npz

.4.2) 訓練模型

打開更改變量以指向解壓后的 Google Speech Commands 數(shù)據集目錄的位置。此外，將變量更改為指向文件的目錄位置。 02-train.py.dataset_pathfeature_sets_pathall_targets_mfcc_sets.npz

運行整個腳本。它將從第一個腳本中生成的文件中讀取 MFCC，構建一個 CNN，并使用我們創(chuàng)建的訓練特征 (MFCC) 對其進行訓練。然后腳本會將模型保存在

allworld_model.h5

4.3) 轉換為 tflite

打開03-convert_tflite.py并確保它keras_model_filename指向我們在上一個腳本中創(chuàng)建的.h5 模型的位置。

運行此腳本將 .h5 模型轉換為 .tflite 模型。我們將有

allword-model.tflite

4.4) Raspi 代碼

將allword-model.tflite,requirements.txt 和4_ras-voice-cmd.pyfiles 復制到 Raspberry Pi 上的同一目錄中。運行requirements.txt以安裝所有要求包。然后運行 4_ras-voice-cmd.py腳本。

如果最后 1 秒捕獲的音頻包含此列表中的單詞的置信度：

wake_word = ['backward', 'down', '8', '5', 'forward', '4', 'left', '9', 'no', 'off',
             'on', '1', 'right','7','6',  'stop','3', '2',  'up','yes','0'   ]

程序將打印出第 4 行 LCD 中的單詞。

?

如果你接下來說“YES”，它將在 LCD 的第 3 行更新，如果“NO”，它將刪除它

?

如果我們選擇了錯誤的樓層，我們可以再次選擇它來刪除它。在這個例子中，我們選擇了 1 - 9 -3 樓，但是我們不想去 9 樓，我們再次選擇它來移除它。

?

這里是視頻演示：

由于 Raspi 的限制，所以模型運行不流暢，存在輸入溢出問題，但可以正常工作。

?

?