Макет прототипа устройства

Макет устройства для голосового управления лифтом выполнен на базе одноплатного микрокомпьютера Raspberry Pi 3 c архитектурой ARM Cortex A53. Положительными сторонами данного микрокомпьютера является совокупность малой стоимости, достаточной производительности и энергоэффективности, а также компактное размещение всех компонентов на плате, что позволило при малых габаритах использовать различные средства коммуникации (Bluetooth, Wi-Fi, Ethernet). Большая оперативная память и загрузка полноценной *Unix подобной операционной системы, позволяет использовать различные сервисы и не ограничивать программы малой вычислительной мощностью и объёмом памяти. *Unix подобные системы отличаются своей стабильной и бесперебойной работой, что позволяет использовать её даже в сложных устройствах. Так как возможности испытания в реальных условиях нет, было решено создать макет прототипа системы голосового управление лифтом.

Как уже было описано в предыдущих главах, для распознавания голосовых команд мы будем использовать утилиту PocketSphinx, которая будет анализировать голосовые сигналы, полученные с микрофона. C помощью VNC подключения можно будет увидеть результаты распознавания. Далее в зависимости от распознанного этажа, через схему управления ULN2003A будет запускаться шаговый мотор. Питание микрофона, интегральной схемы управления и двигателя осуществляется с Raspberry Pi3, которая в свою очередь питается через microUSB разъём от аккумулятора (на выходе которого 2.4 А и 5В).

Тестирование системы распознавания

Для определения точности распознавания данной системы в реальных условиях были проведены испытательные тесты. Словарь содержал в себе акустические модели цифр от 1 до 9, а также слов «здравствуй», «привет», «пожалуйста».

Тестирования происходило в офисе средней зашумленности (около 55 Дб), спикер находился в непосредственной близости от микрофона. Результаты распознавания с использованием ключевой фразы и без неё представлены в таблице 2 и 3. В ходе тестов не было выявлено явных различий успешности распознавания для разных спикеров, что подтверждает возможность использовать утилиту PocketSpinx для распознавания в устройствах общественного использования, в данном случае в лифте.

Таблица 2 - Результаты распознавания без ключевой фразы и грамматики

Таблица 3 - Результаты при использованиях грамматики и ключевой фразы

Заключение

Шаг за шагом технология распознавания речи внедряется в нашу повседневную жизнь, с каждом разом улучшая точность, интуитивность и простоту использования. Мощные и малогабаритные электронные платы позволяют использовать эти систему уже практически в любой области, повышая при этом качество жизни и степень автоматизации устройств. Широкий рынок различных качественных и недорогих электронных компонентов, а также программное обеспечение с открытым кодом дают возможность конструировать и интегрировать системы распознавания голосовых команд без крупного бюджета и с привлечением отечественных специалистов, что способствует некоторой независимости от зарубежных компаний производителей и интеграторов.

В данной выпускной квалификационной работе содержится аналитический обзор технических статей, маркетинговых исследований и специализированной литературы. Анализ подобного объёма необходим для полноценного охвата предложенной темы, чтобы сформулировать точное цели и задачи, необходимые для проектирования.

Исследование аналогичных решений, а также современных систем распознавания, позволило найти наиболее подходящие для конкретных ситуаций способы взаимодействия с лифтом и подобрать оптимальный вариант. Таким образом, в работе было решено использовать одноплатный микрокомпьютер Raspberry Pi 3 в связке с утилитой распознавания речи Pocketspinx.

Испытания подобной системы в настоящем лифте без проведение полноценного тестирования не представляется возможным, поэтому было решено смоделировать систему в 3D в программе Fusion 360, после чего собрать физический прототип с шаговым двигателем.

В будущем систему можно модернизировать, расширяя и дополняя алгоритм, повышающие безопасность использования и удобство. Введение датчика движения поможет включать алгоритм распознавания в наиболее подходящий момент. Также возможно усовершенствование в области шумоподавления (т. к. лифт является устройством с повышенной зашумленностью), например, использую два микрофона, выделяя на одном из них шум, который нужно вырезать из голосовых данных, уменьшая тем самым количество лишних распознаваний.

Список литературных источников

1. Montanaro L. et al. A Touchless Human-machine Interface for the Control of an Elevator //RTA-CSIT. - 2016. - С. 58-65. Доступен: http://ceur-ws.org/Vol-1746/paper-10.pdf

2. Карпов А. А., Ронжин А. А., Ли И. В. SIRIUS система дикторонезависимого распознавания слитной русской речи //Известия Южного федерального университета. Технические науки. - 2005. - Т. 54. - №. 10. Доступен: https://cyberleninka.ru/article/v/sirius-sistema-diktoronezavisimogo-raspoznavaniya-slitnoy-russkoy-rechi

3. Зубань Ю. А., Скляров И. В., Зубань Ю. О. Система распознавания голосовых команд. - 2007. Доступен:

http://r250.sudu.edu.ua/bitstream/12345679/1812/1/22_Zuban_Sklyarov.pdf

4. Pawar P. A. et al Voice operated lift control system using microcontroller. //IRJET. - 2018.

Доступен: https://www.researchpublish.com/download.php/file/Voice_Initialized_Elevator-2996.pdf

5. Rynaski R. F., Bogli C. Voice communication for elevator : США. - 1994. Доступен: https://patentimages.storage.googleapis.com/3a/f7/2d/fe080f97f1b755/US5345046.pdf

6. Montanaro L. et al. A Touchless Human-machine Interface for the Control of an Elevator //RTA-CSIT. - 2016. - С. 58-65. Доступен: http://ceur-ws.org/Vol-1746/paper-10.pdf

7. В. Беленко, П. В. Балакшин. Сравнительный анализ систем распознавания речи с открытым языком// Международный научно-исследовательский журнал. -- 2017. -- № 04 (58) Часть 4. -- С. 13--18. -- URL: https://research-journal.org/technical/sravnitelnyj-analiz-sistem-raspoznavaniya-rechi-s-otkrytym-kodom/ (дата обращения: 14.05.2019. )

Приложение 1

Размещено на Allbest.ru