基于AI+IOT的智慧家居系统

严涵婷 杜选 孙添程 孙宇平 周瑜萱 金裕筠

摘要：利用人工智能技术和深度学习算法，设计开发了基于AI+IOT的智慧家居系统。基于百度提供的免费的语音识别云平台，该系统使用ZigBee网络，对家居环境数据进行采集、分析，并通过物联网技术和人工智能技术实现远程语音控制各种家电的功能。基于深度学习，系统通过百度语音识别技术对自然语言进行语音识别，通过搭建系统编译环境成功融合了AI技术和IOT技术实现了具有语音控制功能的智能家居系统，致力于为人们提供更加便捷智能的生活。

关键词：语音识别;智慧家居;机器学习;人工智能;深度学习

中图分类号： TP18        文獻标识码：A

文章编号：1009-3044（2021）09-0185-03

开放科学（资源服务）标识码（OSID）：

Smart Home System Based on AI and IOT

YAN Han-ting，DU Xuan，SUN Tian-cheng，SUN Yu-ping，ZHOU Yu-xuan，JIN Yu-yun

（Jiaxing University， Jiaxing 314001， China）

Abstract：Using artificial intelligence technology and deep learning algorithm， a smart home system based on AI and IOT is designed and developed.Based on the free speech recognition cloud platform provided by Baidu， the system uses ZigBee network to collect and analyze the data of home environment， and realizes the function of remote voice control of various household appliances through Internet of things technology and artificial intelligence technology. Based on deep learning， the system uses Baidu speech recognition technology to recognize natural language. By building a system compilation environment， it successfully integrates AI technology and IOT technology to realize a smart home system with voice control function， which is committed to providing more convenient and intelligent life for people.

Key words： speech recognition; smart home; machine learning; artificial intelligence;deep learning

1 概述

目前，深度学习算法在人工智能快速发展成长的社会浪潮中脱颖而出，需求的催生和硬件的更新让它愈加完善，被广大开发者应用在社会中更多的领域[1]。深度学习算法虽然是在机器学习的基础上衍生改进的一个新技术，但是它不同于机器学习的手工选取特征，深度学习通过设计建立适量的神经元计算节点和多层运算层次结构，选择合适的输入层和输出层，建立起从输入到输出的函数关系[2]。它的出现让图灵测试不再遥不可及，它被引入机器学习使其更接近于最初人工智能的目标，即让计算机拥有“自我”意识[3]。利用深度学习这种强大的从少数样本集中学习数据集本质特征的能力，语音识别技术的发展也有了跨越式的成长。为了使人们真正做到智能生活，本系统将人工智能和物联网结合起来，采用了目前流行的AIoT模式[3]，即智能物联网系统，使用无线传感器采集数据，检测家居环境数据和异常报警，来为人们服务。系统的实现主要依靠各类传感器感知数据的实时获取以及百度云识别语音技术。开发基于AIoT的新型智慧家居系统具有广大的市场发展前景，对人工智能结合物联网的发展也具有深刻的意义，更能满足人们的生活需求。

2需求分析

为了让人们享受到真正智能和便利的日常生活，本文设计开发了一个结合物联网和人工智能这两大主流技术的智慧家居系统。系统的功能主要分成三类，分别是利用硬件为用户提供可参考的室内环境数据、提供手动、语音两种方式开关日用电器、提供智能安保功能。系统的用例示意图如图1所示。

现将本文设计的智慧家居系统的功能总结如下：

（1） 获取任何时刻的室内环境数据，如PM2.5数值、氧气浓度、光强、体感温度等，并将其显示在终端上。

（2） 用户可以在手机上对各类家电进行手动控制：点击开关按钮操控空调、灯具、窗帘等。

（3） 通过语音指令“关闭空调”“打开风扇”等控制家电的开关。

（4） 通过下达语音指令“今天天气如何？”、“现在光照强度多少？”等获取家庭环境数据。

（5） 自动检测有害气体和烟雾，识别外来入侵者并自动报警，确保家居生活的安全性。

经由用户的语音指令来操控家用电器和检测家庭环境是否安全，可以使人们的日常生活更加便利和智能，满足人们提高生活品质的需求。

3总体设计

3.1系统总体架构

本项目有硬件、软件和百度语音识别云平台三个组成部分。其中，硬件主要有三种类别的传感器，分别是收集数据类传感器、控制电器类传感器和检测气体、人体类传感器，如图3所示;软件的开发基于android studio软件;语音识别采用百度语音识别云平台提供的语音识别API。

（1）三大类传感器通过Zigbee无线模块组合在一起，数据统一由无线网络和协调器进行相互传递。

（2）协调器和网关通过串口组合在一起，然后再由网关连接互联网，将Zigbee网络中的各类硬件获取到的数据保存在云数据服务器。

（3）用户端通过手机向位于互联网上的数据服务器发送请求获取信息，然后将应答请求的结果信息返回给用户。

（4）利用百度语音识别技术实现系统的语音控制功能，由互联网将用户的语音指令传送给网关，网关再通过协调器将指令传送给控制类传感器来操控家电。系统流程图如图2所示。

3.2语音识别的流程

语音识别也被称为自动语音识别ASR，它用于将人类的语音转换为计算机可读的输入，例如按键、二进制编码或者字符序列[6]。语音识别的目的是让用户使用app更加智能，不需要手动点击。实现用户语音指令的识别、系统通过语音反馈环境数据，并且保证一定的识别准确度，可以使系统更加智能化。具体的语音识别过程如图4所示。

通过以上流程图可以知道信号处理和特征提取是音频数据必备的预处理部分。因为原始的声波通常会伴随着各种各样的噪声或是失真，这在一定程度上会对语音信号的质量产生影响，所以需要通过消除噪声和信道增强等技术，将信号从时域转化到频域，为后续的声学模型得分打下基础。最后，在解码搜索阶段要做的事就是结合语言模型得分和声学模型得分，将得分最高的词序列作为识别结果。这便是语音识别的一般原理。

4 详细设计与实现

4.1硬件设计

基于AIOT的智慧家居系统[4，5]采用了一个电控制器件和5种传感器，分别用于检测可燃的危险性气体、采集数据和产生报警鸣声。在设计系统时，我们利用上述这些硬件设施为用户提供了和家庭环境相关的数据作为参考，便于用户精准地控制家电，使家居生活的舒适度最大化[8]。鉴于系统中各类传感器硬件的工作原理是类似的，下文我将以检测、获取空气质量数据的传感器为例讲解一下它的实现原理和应用过程。

气体检测类传感器在物联网中的应用其实非常典型，它能够精确地监测环境中PM2.5、PM10、TVOC等数值的变化以及氧氣（O2）、二氧化碳（CO2）、一氧化碳（CO）、甲醛（CH2O）等气体的浓度，然后实时地反馈。通过获取空气质量传感器返回的数据集，分析环境的空气质量，最后能够将结果推送到 Android 移动客户端供用户查看。

4.2 基于baidu语音云识别平台的功能设计

在设计实现系统的语音控制功能时，我们采用了百度公司提供的免费的语音识别服务也就是百度语音识别技术，它采用深度卷积神经网络+长短时记忆模型+联结主义时间分类器（Deep CNN+ LSTM+CTC）的语音识别架构。利用和神经网络相似的深度学习算法，该技术改进了从前停留在浅层次的机器学习技术，在大幅度提高语音识别速率的同时还降低了错误率。系统在物联网的基础上搭建编译环境，由传感器提供环境数据，利用百度语音识别云服务提供的HTTP接口上传语音数据获取识别结果。百度云语音识别的流程图如图5所示。

系统语音识别功能的实现原理是编写程序POST一段语音数据上传到百度云服务器。首先，系统会读取语音内容，获取访问令牌后对其进行Base64编码并格式化为JSON数据再进行上传。然后接收服务器返回的JSON数据，解析后可以得到语音识别的结果。 语音识别的程序流程图如图6所示。

5结语

本文主要是讲解基于AI+IoT的智慧家居系统的设计思路和实现方法，包括系统用到的硬件、开发所需的各种技术和算法。系统主要有收集并反馈家庭环境的实时数据、语音指令操控家电、自动检测人体和有害气体并报警这三个功能。其中，人工智能技术方面，系统基于深度学习算法，利用百度云平台提供的语音识别服务实现了语音控制家电功能;物联网技术方面，系统采用Zigbee网络和传感器为系统提供硬件基础。使用该系统可以满足人们智能化生活的需求，提高生活品质。

参考文献：

[1] 杨焕峥.基于深度学习的中文语音识别模型设计与实现[J].湖南邮电职业技术学院学报，2020，19（3）：24-27.

[2] 邱锡鹏.神经网络与深度学习[M].北京：机械工业出版社，2020.

[3] 周志华.机器学习[M].北京：清华大学出版社，2016.

[4] 杨耀.基于物联网的智能家居系统的设计与实现[D].南京：南京邮电大学，2014.

[5] 叶剑军，叶倩，李景广，等.室内环境自动监测系统的数据分析研究[J].绿色建筑，2010，2（2）：43-47.

[6] 卜素亮.非特定人连续语音识别技术研究与应用[D].上海：复旦大学，2011.

[7] 王一蒙.语音识别关键技术研究[D].成都：电子科技大学，2015.

[8] 严涵婷，杜选，孙添程，等.基于语音控制的智慧家居系统[J].电脑知识与技术，2020，16（7）：213-215.

【通联编辑：唐一东】