基于樹莓派的語音智能節能系統的研究與終端設計

湯義好 趙子洲 周洋

摘 要：當今社會，經濟持續發展給人們帶來豐碩成果的同時，也付出了巨大的資源和能源代價，其中電能所占比重尤為明顯。隨著人工智能技術的興起，數據化、智能化越來越普及。依托數據實現人工智能節電成為發展趨勢。以樹莓派為終端實現數據采集、語音電器控制，為突破傳統有效識別率低、管理手段單一等現象，提出了以多重傳感器手段獲取數據，結合圖像、聲音、光照和溫濕度等綜合判斷電力消耗場景，分析用戶使用習慣。結合機器學習、神經網絡、預測評價構建深度學習模型，為企事業單位提高了節能效率，降低了用電成本，為電器廠商根據識別結果比較不同用電場景下用戶的使用習慣，加深了對客戶需求的理解，促進更多新產品的智能化升級改造。

關鍵詞：人工智能;樹莓派;傳感器;圖像識別

中圖分類號：TP311.5 ? ? 文獻標志碼：A ? ? 文章編號：1003-5168（2022）1-0020-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.01.004

Research and Terminal Design of Voice Intelligent Energy Saving System Based on Raspberry Pi

TANG Yihao? ? ZHAO Zizhou? ? ZHOU Yang

（School of Information and Artificial Intelligence， Anhui Business College， Wuhu 241002，China）

Abstract：In today's society， while the sustainable economic development has brought fruitful results to people， it has also paid a huge cost of resources and energy， especially the proportion of electric energy. With the rise of artificial intelligence technology， data and intelligence are becoming more and more popular. Relying on data to realize artificial intelligence power saving has become a development trend. The raspberry pi is used as the terminal to realize data acquisition and voice electrical control. In order to break through the phenomenon of low traditional effective recognition rate and single management means， it is proposed to obtain data by means of multiple sensors， comprehensively judge the power consumption scene combined with image， sound， light， temperature and humidity， and analyze users' usage habits. Combined with machine learning， neural network， prediction and evaluation， this paper constructs a deep learning model. It improves the energy-saving efficiency of enterprises and institutions， reduces the power consumption cost， compares the use habits of users in different power consumption scenarios according to the identification results， deepens the understanding of customers， and promotes the intelligent upgrading and transformation of more new products.

Keywords： artificial intelligence; raspberry pi; sensors; image recognition

0 引言

隨著科技不斷發展，當今世界已經進入了一個大智云物移的時代。我國科技產業水平世界領先，用電量已居世界首位。對電力的巨大需求促使我國不得不一方面尋找更高效更清潔的能源，另一方面大力倡導節能減排減少電力資源的浪費。在電力生產方面，云計算、大數據、物聯網、5G、人工智能等前沿技術依托傳統電網物理架構，將分散在電網的各類資源相聚合，實現動態優化組合、保證供需的實時平衡，最大限度地接納分布式電源。而電力消耗方面目前還沒有統一有效的管理措施。電力消耗智能監控平臺辦公室、工廠車間、商場超市等公共場所有著廣泛的應用前景。通過采用傳感器技術實現對區域內環境溫度的檢測，當無人狀態時可以自主控制電器降低能耗實現節能目的[1]。

本文著重分析了智能終端采集環境數據的種類和數據量的需求，設計制作環境數據采集、語音控制、圖像識別、電器控制四個方面的監控系統。硬件主體分為智能終端和服務集群兩部分。智能終端采用樹莓派，搭建集光照、溫濕度、噪聲、人體紅外感應等多種傳感器于一體的系統，并搭建一個紅外發射器。每個智能終端都有一個控制頁面，可實現獨立訪問與控制。規劃出了采用流行的微服務架構與云平臺服務器集群，以實現提供穩定可伸縮的數據檢測及數據分析服務[2]。

1 智能系統在節能系統應用的需求現狀

工業生產的主要節能手段是優化生產工藝來提高能效。工業生產過程主要依賴機器設備自身的電能管理系統，功能單一，相對獨立且信息化程度低。數據采集條件有限，也就制約了基礎數據的準確性。只有了解大量足夠的關鍵數據才能發揮人工智能的優勢，提高數據預測的準確性、精確度，才能實現節能目標。

辦公室、商場節能系統主要依賴人員管理和中央空調溫度設定，做不到精確控溫控濕，造成大量電力浪費。照明用電節能效率相對要好些，采用了智能節電技術，工作人員可以根據實際需要手動選擇或實現定時控制，采用觸摸或聲控智能控制點亮熄滅等技術手段。但由于電路設計簡易，在使用中存在判斷錯誤的情況。例如，巨大的打雷聲和小動物的活動等都會嚴重干擾節能設備的判斷。

從解決關鍵性技術的任務特點來分析，智能節能系統主要針對人本身。人們為了營造一個舒適的生產、學習、辦公和生活環境，往往會消耗大量電能，其中最主要的是空調的電力消耗。能夠準確識別環境中人的數量，感知實際的溫度、濕度等數據，就可以方便節能系統智能地控制空調、電燈、電器等。

人體識別解決方案有很多，如可以用紅外線熱像儀在10 m范圍內識別，成本過高，無法普及。熱釋電紅外傳感器價格雖低，但由于過度依賴紅外線，在空調節能場景下氣流運動大，誤報錯誤率極高。聲音傳感器不能識別人聲，只能判斷噪聲有無變化，不能直接用來判斷有無人員活動。通過圖像識別人體特征可以大幅度提高人體識別的正確率，但當人處于靜止或者距離較遠時，容易誤判為無人狀態。

根據實際節能需求，再結合具體的傳感器特點，分析多重傳感器獲得的采樣數據，計算出符合實際需要的在當前情況下是否有人員活動的判斷。終端設計上要采用多種手段獲取大量數據，要有足夠的空間存儲數據，以較快的計算速度實時分析，滿足快速、準確人機交互和智能判斷控制響應等需求[3]。結合這些需求總結如下幾個方面。

1.1 敏捷性

由于環境數據的種類不斷增加，對終端并行執行的需求不斷增強，要求存儲能夠支持對系統容量的增量擴容，并且要求該操作帶來的額外開銷最小化，同時避免操作帶來的停機問題。例如，一個新的光照傳感器接入系統，簡單調試后就需要獲得有效的光照數據，并要求系統能夠自動處理由于新舊硬件數據種類變化所產生的數據格式變化。

1.2 高并發讀寫

在環境數據不斷寫入的同時分析服務后端也在不斷地調取終端上的數據。例如，某一時刻的環境數據按照規范的格式寫入終端存儲器，在有效的時間內一般為秒級，讀取后立即需要發送給云端計算服務器。云端處理后回傳操作指令給終端，執行相應設備的控制。

1.3 低延時和精確定位終端位置

終端數量可以靈活增加，在業務上需要一個能夠保證一致性的數據存儲。例如，全國范圍內所有高校電力消耗數據中心能夠信息互訪，系統中顯示的電力消耗要與終端所處實際工作環境一致。然而，實現一個分布式精確位置定位確實不可能，只有當地理數據和終端數據位于同一個數據中心內，監控系統才可能實現強精確定位。

1.4 范圍統計與智能數據分析

某些應用場景下需要支持在一定時間范圍內對某一區域進行高效率的電能使用統計。例如，檢索某個部門近期空調使用記錄以加強節能管理，或分析商場客流量變化與空調溫度變化之間的關系以吸引實際客流等。

2 樹莓派與Jetson Nano比較

AI（Artificial Intelligence，人工智能）設備需要有強大的大腦。樹莓派（Raspberry Pi）功耗低到幾乎可以忽略不計，有成熟龐大的硬件生態圈。本套系統的智能終端部署在多臺樹莓派組建的分布式集群上。每塊樹莓派上都配有多種傳感器。傳感器數據的獲取程序主要用C語言編寫，Python作為主要編程語言用于數據采集和智能分析階段。英偉達公司的Jetson Nano繼承了樹莓派的結構設計，將GPU算力結合到人工智能邊緣設備。通過調研比較發現：其一，算力上英偉達公司的Jetson Nano遠超樹莓派，但是功耗和成本上不及樹莓派親民;其二，樹莓派不但有Pico成本低廉可作為傳感器載體的優點，還有計算模塊核心板Compute module 4（CM4），可以定制終端主板實現個性化設計。綜合考慮本系統以節能為目標，選擇樹莓派為終端硬件平臺。

3 基于樹莓派實現智能節能終端設計方案

借助樹莓派在性價比上的優勢，設計了一個多重傳感數據作為依據綜合判斷人員活動狀態的智能監控系統。其中，需要采集的數據包括室內外環境溫濕度、室內外光照值、人體紅外傳感器數值、噪聲發生次數、圖像人體識別、空調工作時長情況等。多重傳感器檢測記錄線程并行執行，互不影響，程序用C語言和C++編寫，通過調用Wring Pi開發庫與樹莓派上的GPIO設備，主要是傳感器和紅外收發器通信，實現高效率、低延遲的硬件層驅動程序。得到的數據在終端臨時存儲，再利用Python程序Pandas、Numpy、tensorflow等AI庫對數據進行預處理和格式化。最后，通過TCP/IP協議將規范化數據發給計算核心云服務器集群。終端本身自帶一個單機版終端系統，可以通過局域網直接訪問管理。

3.1 基于樹莓派的語音智能節能系統框架

本智能語音控制系統采用“電器設備+樹莓派+語音接口”來實現，分為應用層、邏輯層和處理層。其中，電器設備作為應用層，負責將系統的處理結果顯現出來。樹莓派作為邏輯層，處理業務邏輯上的問題，其中包括對處理層返回的識別后的語音信號進行存儲，以及采取相應的操作。開源語音接口作為處理層，對樹莓派所錄的語音信號進行識別，將識別后的語音信號再次返回給樹莓派。通過溫度傳感器和攝像頭傳來的圖像對空調、電燈和電腦的耗能管理智能進行判斷以達到節能目標。數據平臺以分布式方式部署在多個樹莓派中，平臺提供傳感器采集到的溫度、光照、聲音多重數據樣本以供分析實現智能控電。通過環境總覽模塊，用戶可在PC（個人計算機）、手機和平板電腦上查看監控環境的實時數據。

系統的硬件整體架構，本系統中電氣設備直接連接樹莓派的GPIO口控制。

智能語音控制系統的軟件整體架構主要分為以下四部分。

①語音信號的采集：通過樹莓派自帶的錄音功能來采集語音信號并保存。

②語音信號的識別：通過Python調用百度語音接口，識別采集的語音信號，將識別后的語音信號以wav文件的格式存儲于樹莓派中。

③語音機器人的回復：讀取存放識別語音信號的wav文件，調用開源機器人接口，實現機器人智能回復。

④電器設備的控制：電器設備的控制其實是對樹莓派GPIO的控制，其中對空調等電器設備驅動的控制主要通過Python程序實現。

使用微服務的主要原因是其具有開發便利性，巧妙地簡化了分布式系統基礎設施的開發，如服務發現注冊、配置中心、消息總線、負載均衡、斷路器、數據監控等，都可以用Spring Boot的開發風格做到一鍵啟動和部署。每個服務運行在各自的進程中，服務間通信采用輕量級通信機制（通常用HTTP資源API）。這些服務圍繞業務能力構建并且可通過全自動部署機制獨立部署。

這里的微服務是一種將一個單一應用程序開發為一組小型服務的方法，系統層次架構分處理層、邏輯層和應用層。

微服務集群（終端可基于 OpenFaaS，服務端可基于Spring Cloud），能夠讓主機或集群作為支撐Serverless功能運行的后端。優點是任何能夠使用Docker部署的可執行二進制文件、腳本或者編程語言都能在OpenFaaS上運作，可以根據速度和伸縮性選擇部署的規模。內建了用戶界面和監控系統。OpenFaaS使用Docker和Swarm在樹莓派上傳遞Serverless功能。

3.2 智能節能終端的具體功能設計

3.2.1 樹莓派終端溫濕度傳感器的配置。室外溫濕度與光照數據可以利用網絡查詢當地天氣情況，也可以采用傳感器現場采集。室內有樹莓派終端現場實時采集。采用DHT22溫濕度傳感器，DHT22是已校準的數字溫濕度傳感器，用于檢測環境溫濕度，采用DHT22（AM2302），標準單總線接口。相比DHT11，DHT22擁有更高的精度和更大的量程。推薦存儲環境溫度為10～40 ℃，濕度為60%RH以下。DOUT針腳接樹莓派GPIO4口（以WiringPi針腳編號模式）。驅動程序工作過程如下。

步驟一：DHT22上電后要等待1 s以越過不穩定狀態，在此期間不能發送任何指令，測試環境溫濕度數據，并記錄數據。同時，DHT22的DATA數據線由上拉電阻拉高一直保持高電平，此時DHT22的DATA引腳處于輸入狀態，時刻檢測外部信號。

步驟二：微處理器的I/O設置為輸出狀態，同時輸出低電平，且低電平保持時間不能小于18 ms（最大不得超過30 ms），然后微處理器的I/O設置為輸入狀態。由于上拉電阻，微處理器的I/O即DHT22的DATA數據線也隨之變高，等待DHT22做出回答信號。

步驟三：DHT22的DATA引腳檢測到外部信號有低電平時，等待外部信號低電平結束，延遲后DHT22的DATA引腳處于輸出狀態，輸出83 μs的低電平作為應答信號，緊接著輸出87 μs的高電平通知外設準備接收數據，微處理器的I/O此時處于輸入狀態，檢測到I/O有低電平（DHT22回應信號）后，等待87 μs的高電平后的數據接收。

步驟四：由DHT22的DATA引腳輸出40位數據，微處理器根據I/O電平的變化接收40位數據，位數據“0”的格式為54 μs的低電平和23～27 μs的高電平，位數據“1”的格式為54 μs的低電平加68～74 μs的高電平。

3.2.2 樹莓派終端光照傳感器的配置。BH1750FVI是一款I2C接口的數字型光強度傳感器集成電路。內置模數轉換電路，可以直接數字輸出光照值。樹莓派I2C功能需要開啟并安裝i2c-tools，I2C由時鐘線（SCL）和數據線（SDA）組成，原理這里不再贅述，只須將對應接口接到樹莓派的SCL和SDA接口。通信步驟相對簡單：第1步，發送上電命令0x01;第2步，發送測量命令;第3步，等待測量結束;第4步，讀取數據;第5步，計算結果。

計算公式為：

光照強度=（寄存器值[15∶0]×分辨率）/1.2（單位：勒克斯lx）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

3.2.3 樹莓派終端人體紅外傳感器的配置。人的體溫一般恒定在37 ℃左右，所以會發出特定波長10 μs左右的紅外線。被動式紅外探頭是靠探測人體發射的10 μs左右的紅外線來進行工作的。人體發射的10 μs左右的紅外線通過菲涅爾濾光片增強后聚集到紅外感應元上。紅外感應元通常采用熱釋電元件，這種元件在接收到人體紅外輻射溫度發生變化時，就會失去電荷平衡。向外釋放電荷，后續電路經檢測處理后就能產生報警信號。

3.2.4 樹莓派終端聲音傳感器的配置。聲音傳感器內置一個對聲音敏感的電容式駐極體話筒。聲波使話筒內的駐極體薄膜振動，導致電容發生變化，而產生與之對應變化的微小電壓。這一電壓隨后被轉化成0～5 V的電壓，經過A/D轉換被采集器接收，并傳送給樹莓派。它可以顯示聲音的振動圖像，但不能對噪聲的強度進行測量，所以需要編寫特別的程序來記錄時間片段內的聲音次數。

3.2.5 樹莓派空調風力感應傳感器的配置。風輪葉片感應風力變化判斷空調工作狀態，內部裝有反射式紅外傳感器。當傳感器檢測到有風輪遮擋就會從OUT口輸出低電平，移開傳感器也會馬上停止輸出低電平。

3.2.6 攝像頭模塊可以用于運動目標檢測和靜態人像識別。結合開源圖像軟件MJPG-streamer，可以通過HTTP的方式訪問Linux上面的兼容攝像頭，從而達到遠程視頻傳輸的效果。終端裝有OpenCV視頻圖像分析軟件，可以識別并記錄人體活動情況。

3.3 智能節能終端的運行情況

輸出傳感器數據文件格式如下：

1630219501.19，33.75，22，59，7，134，2021-08-29_14：45，1

數據標簽左起分別是：記錄時間戳、光照、溫度、濕度、熱釋電獲得人體活動、每分鐘噪聲次數、當前時區時間、空調工作狀態。產生的數據可以“喂入”服務端的神經網絡，深度學習獲得有人活動模型和大數據統計分析。

先后啟動傳感器程序、數據處理程序，終端數據服務即可觀察到實時數據變化，如圖1所示。

終端提供可視化的圖像監控界面，使用不同顏色的線條表示不同的環境數值，記錄每一時間片段內傳感器的數值，繪制出實時變化的折線圖。用戶可以通過圖形界面直觀查看終端獲取的各種環境數值情況以及變化趨勢。若某時間片段由于噪聲次數相對較大，出現圖像比例被較大值拉伸，其他傳感器數據變化曲線會發生相對集中的情況，此時可以點擊圖示說明部分自由組合顯示的數據類型，隱藏較大值或突出顯示某一類數據變化趨勢。界面部分還設有電器控制按鈕，可手動操作關閉或打開電器，實現遠程訪問控制。

樹莓派終端服務用戶訪問平臺包括用戶的登錄、注冊、退出、信息修改、終端管理和分享等功能。數據記錄使服務器智能分析電力使用情況成為可能，分析過程中有無人員活動是最為關鍵的環節。根據采集的數據，空調用電時間段劃分與識別項目的整體目標如下。

①根據樹莓派終端采集到的數據，劃分一次準確的空調等電器開啟時間區段。

②在一次準確的使用區段中識別出有效用電事件和無效用電事件。

由于數據集的特點是實時數據頻率為10 s/次，而且長時間不間斷地獲取每天的數據量多達上萬條，存在缺失值現象。與分析主題無關的特征未直接反映用電事件的特征，干擾信號多等，針對不清情況須采取相應的方法來解決這些問題。數據預處理首先要刪除冗余時間片下的數據，一般為假期或停工停產時期的數據，只保留工作日時間區段數據。根據空調工作狀態劃分出連續工作時長，依據時長判斷用戶的使用習慣[4]，提取這一特征為規則計算出最佳工作時段。深入分析工作時段具體用電類型，如會議、辦公室、試驗室等不同用電場所用電情況就大不相同，通過識別用電類型可以減少計算開銷。構建用電情況與人員活動頻率變化特征，準備好樣本數據，通過構建誤差逆轉算法BP升級網絡模型，利用反向傳播機制訓練模型。模型優化需要注意數據本身特征之間存在量級差異，需要進行標準化來消除量級差異。使用精確率、召回率和F1值作為模型評價，同時結合ROC曲線直觀評價模型效果。

4 結語

本文介紹了如何使用智能終端樹莓派搭建一套智能監控平臺，利用多組傳感器的檢測數據以及攝像頭智能識別數據作為分析數據源。通過長時間統計獲取到龐大數據量，為后期的智能分析系統提供了大量數據保障。系統結合物聯網、云計算與人工智能多學科技術實現穩定、高效、實時和智能的人員活動分析。設計的監控平臺可以用于各類型企事業、工廠院校，實現精確的電力管理，能有效減少電力資源的浪費，同時也可以促進電器生產廠商開發出新的智能化產品，優化升級并提供個性化電器產品以滿足不同客戶群需求。

參考文獻：

[1] 黃紅梅，張良均.Python數據分析與應用[D].北京：人民郵電出版社，2018：255-262.

[2] 張良均，王路，譚立云，等.Python數據分析與挖掘實踐[M].北京：機械工業出版社，2018.

[3] 龔正.從創建節約型高校略論學校水電節能對策[J].低碳世界，2019（2）：302-303.

[4] 蘭代萍，李壽軍，鄧海成，等.基于熵權TOPSIS法分析高校節能減排指標[J].山西化工.2021（4）：185-187.

收稿日期：2021-10-18

基金項目：安徽商貿職業技術學院重點產學研項目“基于語音控制智能節能系統的研究”（2021KZZ04）;移動互聯應用技術專業教學團隊（2020jxtd093）。

作者簡介：湯義好（1983—），男，本科，講師，研究方向：軟件技術。

3964500338224