声音采集与控制技术：实现声控灯的创新应用

xinxi1368

声音采集（录音）、重采样生成标准波形声音格式的wav文件、将时间能量图转换为声谱图、根据卷积网络模型——LeNet进行训练、实现、部署以及图像识别和比较。

使用应用程序和服务相互交互以进行权限控制。声音采集控制箱用于声音采集。然后盒子将收集到的声音文件发送到服务器。服务器处理后向盒子发送消息，然后盒子通过自身的电池继电器执行开门操作。对于图像比较，可以使用开源的open cv库，应用程序使用Lit。说几句话，1000个样本就够了。

目前实现的产品是语音控制灯，通过说三声即可打开或关闭房间内的灯。控制代码在电脑或手机（相当于简单的服务器）上打开的网页上。这样做的优点是方便，缺点是不能受权限控制，导致有的人能开门，有的人不能。

该网页已编写并集成到  浏览器网页中。光谱图像比较是他们自己写的图像比较控件。

声音的时间能量图无法识别人的语音特征。每个人说话的频率不同，尤其是当每个人开门的方式都一样时，语速和停顿都有自己的特点。

实际实践证明，时间能量图确实无法识别谁说了什么，但声谱图可以识别特定人开门的声音。

声纹可用于识别谁说话开门。

声纹识别是生物识别技术的一种，也称为说话人识别。有两种类型，即说话人识别和说话人确认。不同的任务和应用程序将使用不同的声纹识别技术。例如，缩小刑事调查范围可能需要识别技术，而银行交易可能需要确认技术。声纹识别是将声音信号转换为电信号，然后利用计算机进行识别。

时间能量图

频谱图

卷积网络模型——LeNet。声控灯的训练次数为3次。

已实现一灯带控制箱，可同时控制房间内所有灯。只是它没有为不同人控制灯光的选项。

概念模型尚未详细实现，但 Web 服务器已被应用程序取代，并添加了后端服务器。数据通信可以通过LAN或4G网络或通过蓝牙。

人工智能（ ），英文缩写为AI。它是研究、开发模拟、延伸和扩展人的智能的理论、方法、技术和应用系统的一门新技术科学。

人工智能包括算法建模、训练、实现和部署四个过程。大多数人工智能开发者不是框架的设计者，而是框架的使用者或改进者。

特朗普政府表示，必须保持美国在人工智能领域的优势。

什么是人工智能：就像电影中的终结者一样，是一种像阿尔法狗一样的智能物体，具有某种与人类智能相同的本质。

人工智能与机器学习的关系：机器学习是实现人工智能的一种方法。

机器学习与深度学习的关系：深度学习是机器学习算法中的一种算法，是实现机器学习的技术和学习方法。

人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 之间的关系。

我认为机器学习有一个鲜明的特点，也是机器学习最基本的方法。就是利用算法从大量的数据中解析并获取有用的信息，从中学习，然后对现实世界中会发生什么做出预测。预测或做出判断。

机器学习需要大量的数据进行训练，从这些数据中获取有用的信息，然后反馈给现实世界的用户。我们传统的软件开发都是自动化，我们叫算法工程师。

它是一种基于数据流编程（）的符号数学系统，广泛应用于各种机器学习（）算法的编程实现。它的前身是的神经网络算法库。

它具有多层次结构，可以部署在各种服务器、PC终端和网页上，支持GPU和TPU高性能数值计算。广泛应用于内部各个领域的产品开发和科学研究。

它由谷歌的人工智能团队 Brain开发和维护，拥有包括Hub、Lit、Cloud和各种应用程序编程接口（API）在内的多个项目。

自2015年11月9日起，源代码按照许可协议（2.0开放）开源。它是该库的独立版本。它不支持分布式系统。阿里巴巴对其进行了改进，以便可以

它可以在分布式系统上运行。由于大数据的训练，服务器之间进行超过10G的数据传输。即使是现在的5G技术也无法彻底解决。实现如此大的数据交互需要6G技术。幸运的是，这些数据交换可以在本地控制。

人工智能今天的成就很大程度上得益于2010年“深度学习”技术的历史性突破。然而，由于大部分学术人才还停留在学校或研究所，真正能够投入到行业的人才少之又少。很少。这也是目前人工智能人才如此稀缺的原因之一。

未来10年，人类50%以上的工作岗位将被取代，人工智能的应用将率先商业化，并在互联网、金融、医疗等领域取得长足发展。

与美国相比，中国人工智能技术人才在地域分布上高度集中。其中67.8%分布在北京和上海，两者旗鼓相当。深圳和广州分别聚集了10%和5%的人工智能人才。相比之下，美国的人工智能人才均匀分布在东西海岸和南部各州。旧金山湾区和纽约处于领先地位。

中国本土技术和平台对人工智能人才的吸引力不断增强。 AI领域前10名雇主中，本土企业占据半壁江山。排名前三的分别是华为、百度和阿里巴巴。

对比中美两国AI领域前10名雇主，我们发现美国两家金融机构（美国银行和富国银行）上榜，这说明金融科​​技已经成为趋势并已在美国形成。相比之下，中国的金融科技浪潮尚未到来。

现在有实力的企业已经开始使用人工智能，比如阿里巴巴的产品搜索、银行的远程开户等。

人工智能将引发工业4.0的兴起。工业1.0：第一次工业革命于18世纪末在英国开始，结束于19世纪中叶。这次工业革命的结果是机械生产取代了手工劳动，经济社会从以农业和手工业为主转变为以工业和机械制造带动经济发展的模式。

工业2.0：工业领域的第二次重大变革发生在19世纪末，形成了生产线生产方式。在工业1.0和工业2.0两次工业革命中，机械化取代了传统的手工劳动，一度造成大规模的“农民失业”。

工业3.0：第三次工业革命始于第二次工业革命期间生产过程的高度自动化。它始于 20 世纪 60 年代，一直延续至今。随着电子信息技术的广泛应用，制造过程不断实现自动化。此后，机器能够逐渐取代人类的工作，这也造成了一定程度的“工人失业”。

工业4.0：未来几十年，第四次工业革命将进入“智能”生产的新时代。 “工业4.0”通过决定生产制造流程的网络技术，实现智能制造和实时管理。智能制造中的生产设备具有感知、分析、决策、控制等功能。它是先进制造技术与信息技术的融合和深度融合。在智能生产过程中，传感器、智能诊断和管理系统通过网络互连，使过程从程序控制上升到智能控制，使制造过程可以根据制造环境的变化实时优化和制造工艺，提高产品质量和生产效率。由此引发的“智力”是否会引发第三波失业，造成“智力劳动者失业”？

机器学习和深度学习是一个非常复杂的过程。技术积累、建模、机器学习（人工智能术语称为训练）的速度。现在机器人需要几个月的时间来学习新的操作流程。显然，这种大数据和长期学习未来会随着人工智能的发展不断优化和减少。但这个改进过程不可能在短短几年内实现。