Arduino机器学习入门：基于Arduino Nano 33 BLE感知的语音识别

机器智能：想象、理论化、实现

在更真实的计算层面上，Alan Turing于1948年提出了“无组织机器”的概念，该概念将使用一系列互连节点进行决策。这类似于我们今天所知道的“神经网络”概念，1991年《终结者》宣布其“CPU是神经网络处理器；一台学习计算机”时，它被推入了更大的意识中

尽管对基于计算机的意识最终可能如何发展的评论有些“混杂”（?apek的机器人最终也会转向它们的主人），但人类仍在奋力向前发展。我们已经开发出了像Google Home和Google Home这样的设备，虽然其本身并不“智能”，但可以以智能的方式回答问题和执行控制任务。这种设备的一般范例是，一个简单的过程监听唤醒词/短语的启动，并使用异地云计算能力响应进一步的查询。

但是，其他简单的语音识别任务、处理运动模式，甚至处理视频又如何呢？有没有可能使用小型嵌入式芯片，比如在本地（在“边缘”）用于此任务的芯片，而不是依赖于云？简短的回答是“是的”，但真正的答案是“很复杂”下面给出的简单示例在上运行，没有额外的硬件。

Arduino机器学习实践：简单语音识别

如果的“hello world”正在闪烁LED，那么机器学习的等效方法可能是使用语音命令控制它。N33BS不仅有一个令人印象深刻的处理单元——nRF52840微控制器，运行频率64MHz，具有1MB或闪存，以及256KB的SRAM——而且还拥有一系列车载环境传感器。

Arduino Nano 33 BLE具有多种适合机器学习的传感器

在这些车载传感器中，有一个麦克风输入，我们将在这里使用它来识别单词“是”和“否”，并闪烁车载LED绿色或红色作为响应。当它听到任何一个选项都无法解决的噪音时，它也会亮起蓝色。

为此，首先通过boards manager安装并配置IDE以与Arduino Nano 33 BLE配合使用：

工具>电路板>电路板管理器，搜索纳米33 ble，并安装支持Arduino mbed的板出现的包。

处理好这一点后，转到

草图>包含库>管理库并搜索/安装Arduino_TensorFlowLite岩库（不是ESP32版本）。

在安装时，您可能还需要安装Arduino_LSM9DS1解释NEEBS的加速计数据，尽管本实验不需要。

绿色，是的；红色，否；蓝色，未知

打开micro_语音在TensorFlowLite库中的示例中，按箭头键编译并上载。完成后，你可以在黑板上说是/否命令。我发现识别“否”比识别“是”要好得多你的结果可能会有所不同，因为这不是针对我个人的。

使用Edge Impulse训练Arduino

虽然这可能表明an能够进行简单的语音识别，但使用两个精度可疑的预编程单词限制了您的选择。理想情况下，您希望定义自己的参数，可以通过边缘脉冲来实现。

该平台允许通过手机捕获数据，并包括在构建模型时清理数据集的工具。使用Arduino麦克风本身捕捉数据也是可能的，而且会更接近它实际听到的声音。然而，它也不太方便。这一点很重要，因为你需要10分钟的样本，最理想的情况是有各种各样的人在说你的触发词。还需要背景噪声样本，以便处理器知道什么不重要。

如果你想自己试试，搜索Edge Impulse并在那里创建一个帐户。它们提供了教授您自己模型的说明。收集和处理方法看起来相当不错，但要准备相当长的记录时间，再加上一点“数据卫生”，以生成一个健壮的模型供N33B使用。

超越演讲：Arduino图像传感器和更多项目

虽然语音是明显的ML目标，但您也可以训练模型来识别来自其车载惯性测量单元（IMU）或其他车载传感器的输入。通过正确的训练和设置，您甚至可以分析来自外部摄像机传感器的数据。Arduino本身就有一篇关于在Arduino上开始机器学习的文章。它使用Google Colab进行模型训练，而不是Edge Impulse。

结论

那么结果如何？现在，这意味着你可以用你的声音触发。通过适当的训练，您可以使用Arduino板来识别和响应自定义命令或各种传感器输入。神经网络训练人工智能和ML的地方，从那里开始，只有时间会告诉我们。也许我们将拥有机器的所有好处，这些机器可以智能地执行我们的命令，甚至娱乐我们，而没有一些人认为可能的邪恶“副作用”。