基于树莓派的语音智能节能系统的研究与终端设计

汤义好 赵子洲 周洋

摘 要：当今社会，经济持续发展给人们带来丰硕成果的同时，也付出了巨大的资源和能源代价，其中电能所占比重尤为明显。随着人工智能技术的兴起，数据化、智能化越来越普及。依托数据实现人工智能节电成为发展趋势。以树莓派为终端实现数据采集、语音电器控制，为突破传统有效识别率低、管理手段单一等现象，提出了以多重传感器手段获取数据，结合图像、声音、光照和温湿度等综合判断电力消耗场景，分析用户使用习惯。结合机器学习、神经网络、预测评价构建深度学习模型，为企事业单位提高了节能效率，降低了用電成本，为电器厂商根据识别结果比较不同用电场景下用户的使用习惯，加深了对客户需求的理解，促进更多新产品的智能化升级改造。

关键词：人工智能;树莓派;传感器;图像识别

中图分类号：TP311.5     文献标志码：A     文章编号：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

随着科技不断发展，当今世界已经进入了一个大智云物移的时代。我国科技产业水平世界领先，用电量已居世界首位。对电力的巨大需求促使我国不得不一方面寻找更高效更清洁的能源，另一方面大力倡导节能减排减少电力资源的浪费。在电力生产方面，云计算、大数据、物联网、5G、人工智能等前沿技术依托传统电网物理架构，将分散在电网的各类资源相聚合，实现动态优化组合、保证供需的实时平衡，最大限度地接纳分布式电源。而电力消耗方面目前还没有统一有效的管理措施。电力消耗智能监控平台办公室、工厂车间、商场超市等公共场所有着广泛的应用前景。通过采用传感器技术实现对区域内环境温度的检测，当无人状态时可以自主控制电器降低能耗实现节能目的[1]。

本文着重分析了智能终端采集环境数据的种类和数据量的需求，设计制作环境数据采集、语音控制、图像识别、电器控制四个方面的监控系统。硬件主体分为智能终端和服务集群两部分。智能终端采用树莓派，搭建集光照、温湿度、噪声、人体红外感应等多种传感器于一体的系统，并搭建一个红外发射器。每个智能终端都有一个控制页面，可实现独立访问与控制。规划出了采用流行的微服务架构与云平台服务器集群，以实现提供稳定可伸缩的数据检测及数据分析服务[2]。

1 智能系统在节能系统应用的需求现状

工业生产的主要节能手段是优化生产工艺来提高能效。工业生产过程主要依赖机器设备自身的电能管理系统，功能单一，相对独立且信息化程度低。数据采集条件有限，也就制约了基础数据的准确性。只有了解大量足够的关键数据才能发挥人工智能的优势，提高数据预测的准确性、精确度，才能实现节能目标。

办公室、商场节能系统主要依赖人员管理和中央空调温度设定，做不到精确控温控湿，造成大量电力浪费。照明用电节能效率相对要好些，采用了智能节电技术，工作人员可以根据实际需要手动选择或实现定时控制，采用触摸或声控智能控制点亮熄灭等技术手段。但由于电路设计简易，在使用中存在判断错误的情况。例如，巨大的打雷声和小动物的活动等都会严重干扰节能设备的判断。

从解决关键性技术的任务特点来分析，智能节能系统主要针对人本身。人们为了营造一个舒适的生产、学习、办公和生活环境，往往会消耗大量电能，其中最主要的是空调的电力消耗。能够准确识别环境中人的数量，感知实际的温度、湿度等数据，就可以方便节能系统智能地控制空调、电灯、电器等。

人体识别解决方案有很多，如可以用红外线热像仪在10 m范围内识别，成本过高，无法普及。热释电红外传感器价格虽低，但由于过度依赖红外线，在空调节能场景下气流运动大，误报错误率极高。声音传感器不能识别人声，只能判断噪声有无变化，不能直接用来判断有无人员活动。通过图像识别人体特征可以大幅度提高人体识别的正确率，但当人处于静止或者距离较远时，容易误判为无人状态。

根据实际节能需求，再结合具体的传感器特点，分析多重传感器获得的采样数据，计算出符合实际需要的在当前情况下是否有人员活动的判断。终端设计上要采用多种手段获取大量数据，要有足够的空间存储数据，以较快的计算速度实时分析，满足快速、准确人机交互和智能判断控制响应等需求[3]。结合这些需求总结如下几个方面。

1.1 敏捷性

由于环境数据的种类不断增加，对终端并行执行的需求不断增强，要求存储能够支持对系统容量的增量扩容，并且要求该操作带来的额外开销最小化，同时避免操作带来的停机问题。例如，一个新的光照传感器接入系统，简单调试后就需要获得有效的光照数据，并要求系统能够自动处理由于新旧硬件数据种类变化所产生的数据格式变化。

1.2 高并发读写

在环境数据不断写入的同时分析服务后端也在不断地调取终端上的数据。例如，某一时刻的环境数据按照规范的格式写入终端存储器，在有效的时间内一般为秒级，读取后立即需要发送给云端计算服务器。云端处理后回传操作指令给终端，执行相应设备的控制。

1.3 低延时和精确定位终端位置

终端数量可以灵活增加，在业务上需要一个能够保证一致性的数据存储。例如，全国范围内所有高校电力消耗数据中心能够信息互访，系统中显示的电力消耗要与终端所处实际工作环境一致。然而，实现一个分布式精确位置定位确实不可能，只有当地理数据和终端数据位于同一个数据中心内，监控系统才可能实现强精确定位。

1.4 范围统计与智能数据分析

某些应用场景下需要支持在一定时间范围内对某一区域进行高效率的电能使用统计。例如，检索某个部门近期空调使用记录以加强节能管理，或分析商场客流量变化与空调温度变化之间的关系以吸引实际客流等。

2 树莓派与Jetson Nano比较

AI（Artificial Intelligence，人工智能）设备需要有强大的大脑。树莓派（Raspberry Pi）功耗低到几乎可以忽略不计，有成熟庞大的硬件生态圈。本套系统的智能终端部署在多台树莓派组建的分布式集群上。每块树莓派上都配有多种传感器。传感器数据的获取程序主要用C语言编写，Python作为主要编程语言用于数据采集和智能分析阶段。英伟达公司的Jetson Nano继承了树莓派的结构设计，将GPU算力结合到人工智能边缘设备。通过调研比较发现：其一，算力上英伟达公司的Jetson Nano远超树莓派，但是功耗和成本上不及树莓派亲民;其二，树莓派不但有Pico成本低廉可作为传感器载体的优点，还有计算模块核心板Compute module 4（CM4），可以定制终端主板实现个性化设计。综合考虑本系统以节能为目标，选择树莓派为终端硬件平台。

3 基于树莓派实现智能节能终端设计方案

借助树莓派在性价比上的优势，设计了一个多重传感数据作为依据综合判断人员活动状态的智能监控系统。其中，需要采集的数据包括室内外环境温湿度、室内外光照值、人体红外传感器数值、噪声发生次数、图像人体识别、空调工作时长情况等。多重传感器检测记录线程并行执行，互不影响，程序用C语言和C++编写，通过调用Wring Pi开发库与树莓派上的GPIO设备，主要是传感器和红外收发器通信，实现高效率、低延迟的硬件层驱动程序。得到的数据在终端临时存储，再利用Python程序Pandas、Numpy、tensorflow等AI库对数据进行预处理和格式化。最后，通过TCP/IP协议将规范化数据发给计算核心云服务器集群。终端本身自带一个单机版终端系统，可以通过局域网直接访问管理。

3.1 基于树莓派的语音智能节能系统框架

本智能语音控制系统采用“电器设备+树莓派+语音接口”来实现，分为应用层、逻辑层和处理层。其中，电器设备作为应用层，负责将系统的处理结果显现出来。树莓派作为逻辑层，处理业务逻辑上的问题，其中包括对处理层返回的识别后的语音信号进行存储，以及采取相应的操作。開源语音接口作为处理层，对树莓派所录的语音信号进行识别，将识别后的语音信号再次返回给树莓派。通过温度传感器和摄像头传来的图像对空调、电灯和电脑的耗能管理智能进行判断以达到节能目标。数据平台以分布式方式部署在多个树莓派中，平台提供传感器采集到的温度、光照、声音多重数据样本以供分析实现智能控电。通过环境总览模块，用户可在PC（个人计算机）、手机和平板电脑上查看监控环境的实时数据。

系统的硬件整体架构，本系统中电气设备直接连接树莓派的GPIO口控制。

智能语音控制系统的软件整体架构主要分为以下四部分。

①语音信号的采集：通过树莓派自带的录音功能来采集语音信号并保存。

②语音信号的识别：通过Python调用百度语音接口，识别采集的语音信号，将识别后的语音信号以wav文件的格式存储于树莓派中。

③语音机器人的回复：读取存放识别语音信号的wav文件，调用开源机器人接口，实现机器人智能回复。

④电器设备的控制：电器设备的控制其实是对树莓派GPIO的控制，其中对空调等电器设备驱动的控制主要通过Python程序实现。

使用微服务的主要原因是其具有开发便利性，巧妙地简化了分布式系统基础设施的开发，如服务发现注册、配置中心、消息总线、负载均衡、断路器、数据监控等，都可以用Spring Boot的开发风格做到一键启动和部署。每个服务运行在各自的进程中，服务间通信采用轻量级通信机制（通常用HTTP资源API）。这些服务围绕业务能力构建并且可通过全自动部署机制独立部署。

这里的微服务是一种将一个单一应用程序开发为一组小型服务的方法，系统层次架构分处理层、逻辑层和应用层。

微服务集群（终端可基于 OpenFaaS，服务端可基于Spring Cloud），能够让主机或集群作为支撑Serverless功能运行的后端。优点是任何能够使用Docker部署的可执行二进制文件、脚本或者编程语言都能在OpenFaaS上运作，可以根据速度和伸缩性选择部署的规模。内建了用户界面和监控系统。OpenFaaS使用Docker和Swarm在樹莓派上传递Serverless功能。

3.2 智能节能终端的具体功能设计

3.2.1 树莓派终端温湿度传感器的配置。室外温湿度与光照数据可以利用网络查询当地天气情况，也可以采用传感器现场采集。室内有树莓派终端现场实时采集。采用DHT22温湿度传感器，DHT22是已校准的数字温湿度传感器，用于检测环境温湿度，采用DHT22（AM2302），标准单总线接口。相比DHT11，DHT22拥有更高的精度和更大的量程。推荐存储环境温度为10～40 ℃，湿度为60%RH以下。DOUT针脚接树莓派GPIO4口（以WiringPi针脚编号模式）。驱动程序工作过程如下。

步骤一：DHT22上电后要等待1 s以越过不稳定状态，在此期间不能发送任何指令，测试环境温湿度数据，并记录数据。同时，DHT22的DATA数据线由上拉电阻拉高一直保持高电平，此时DHT22的DATA引脚处于输入状态，时刻检测外部信号。

步骤二：微处理器的I/O设置为输出状态，同时输出低电平，且低电平保持时间不能小于18 ms（最大不得超过30 ms），然后微处理器的I/O设置为输入状态。由于上拉电阻，微处理器的I/O即DHT22的DATA数据线也随之变高，等待DHT22做出回答信号。

步骤三：DHT22的DATA引脚检测到外部信号有低电平时，等待外部信号低电平结束，延迟后DHT22的DATA引脚处于输出状态，输出83 μs的低电平作为应答信号，紧接着输出87 μs的高电平通知外设准备接收数据，微处理器的I/O此时处于输入状态，检测到I/O有低电平（DHT22回应信号）后，等待87 μs的高电平后的数据接收。

步骤四：由DHT22的DATA引脚输出40位数据，微处理器根据I/O电平的变化接收40位数据，位数据“0”的格式为54 μs的低电平和23～27 μs的高电平，位数据“1”的格式为54 μs的低电平加68～74 μs的高电平。

3.2.2 树莓派终端光照传感器的配置。BH1750FVI是一款I2C接口的数字型光强度传感器集成电路。内置模数转换电路，可以直接数字输出光照值。树莓派I2C功能需要开启并安装i2c-tools，I2C由时钟线（SCL）和数据线（SDA）组成，原理这里不再赘述，只须将对应接口接到树莓派的SCL和SDA接口。通信步骤相对简单：第1步，发送上电命令0x01;第2步，发送测量命令;第3步，等待测量结束;第4步，读取数据;第5步，计算结果。

计算公式为：

光照强度=（寄存器值[15∶0]×分辨率）/1.2（单位：勒克斯lx）                                                         （1）

3.2.3 树莓派终端人体红外传感器的配置。人的体温一般恒定在37 ℃左右，所以会发出特定波长10 μs左右的红外线。被动式红外探头是靠探测人体发射的10 μs左右的红外线来进行工作的。人体发射的10 μs左右的红外线通过菲涅尔滤光片增强后聚集到红外感应元上。红外感应元通常采用热释电元件，这种元件在接收到人体红外辐射温度发生变化时，就会失去电荷平衡。向外释放电荷，后续电路经检测处理后就能产生报警信号。

3.2.4 树莓派终端声音传感器的配置。声音传感器内置一个对声音敏感的电容式驻极体话筒。声波使话筒内的驻极体薄膜振动，导致电容发生变化，而产生与之对应变化的微小电压。这一电压随后被转化成0～5 V的电压，经过A/D转换被采集器接收，并传送给树莓派。它可以显示声音的振动图像，但不能对噪声的强度进行测量，所以需要编写特别的程序来记录时间片段内的声音次数。

3.2.5 树莓派空调风力感应传感器的配置。风轮叶片感应风力变化判断空调工作状态，内部装有反射式红外传感器。当传感器检测到有风轮遮挡就会从OUT口输出低电平，移开传感器也会马上停止输出低电平。

3.2.6 摄像头模块可以用于运动目标检测和静态人像识别。结合开源图像软件MJPG-streamer，可以通过HTTP的方式访问Linux上面的兼容摄像头，从而达到远程视频传输的效果。终端装有OpenCV视频图像分析软件，可以识别并记录人体活动情况。

3.3 智能节能终端的运行情况

输出传感器数据文件格式如下：

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

数据标签左起分别是：记录时间戳、光照、温度、湿度、热释电获得人体活动、每分钟噪声次数、当前时区时间、空调工作状态。产生的数据可以“喂入”服务端的神经网络，深度学习获得有人活动模型和大数据统计分析。

先后启动传感器程序、数据处理程序，终端数据服务即可观察到实时数据变化，如图1所示。

终端提供可视化的图像监控界面，使用不同颜色的线条表示不同的环境数值，记录每一时间片段内传感器的数值，绘制出实时变化的折线图。用户可以通过图形界面直观查看终端获取的各种环境数值情况以及变化趋势。若某时间片段由于噪声次数相对较大，出现图像比例被较大值拉伸，其他传感器数据变化曲线会发生相对集中的情況，此时可以点击图示说明部分自由组合显示的数据类型，隐藏较大值或突出显示某一类数据变化趋势。界面部分还设有电器控制按钮，可手动操作关闭或打开电器，实现远程访问控制。

树莓派终端服务用户访问平台包括用户的登录、注册、退出、信息修改、终端管理和分享等功能。数据记录使服务器智能分析电力使用情况成为可能，分析过程中有无人员活动是最为关键的环节。根据采集的数据，空调用电时间段划分与识别项目的整体目标如下。

①根据树莓派终端采集到的数据，划分一次准确的空调等电器开启时间区段。

②在一次准确的使用区段中识别出有效用电事件和无效用电事件。

由于数据集的特点是实时数据频率为10 s/次，而且长时间不间断地获取每天的数据量多达上万条，存在缺失值现象。与分析主题无关的特征未直接反映用电事件的特征，干扰信号多等，针对不清情况须采取相应的方法来解决这些问题。数据预处理首先要删除冗余时间片下的数据，一般为假期或停工停产时期的数据，只保留工作日时间区段数据。根据空调工作状态划分出连续工作时长，依据时长判断用户的使用习惯[4]，提取这一特征为规则计算出最佳工作时段。深入分析工作时段具体用电类型，如会议、办公室、试验室等不同用电场所用电情况就大不相同，通过识别用电类型可以减少计算开销。构建用电情况与人员活动频率变化特征，准备好样本数据，通过构建误差逆转算法BP升级网络模型，利用反向传播机制训练模型。模型优化需要注意数据本身特征之间存在量级差异，需要进行标准化来消除量级差异。使用精确率、召回率和F1值作为模型评价，同时结合ROC曲线直观评价模型效果。

4 结语

本文介绍了如何使用智能终端树莓派搭建一套智能监控平台，利用多组传感器的检测数据以及摄像头智能识别数据作为分析数据源。通过长时间统计获取到庞大数据量，为后期的智能分析系统提供了大量数据保障。系统结合物联网、云计算与人工智能多学科技术实现稳定、高效、实时和智能的人员活动分析。设计的监控平台可以用于各类型企事业、工厂院校，实现精确的电力管理，能有效减少电力资源的浪费，同时也可以促进电器生产厂商开发出新的智能化产品，优化升级并提供个性化电器产品以满足不同客户群需求。

参考文献：

[1] 黄红梅，张良均.Python数据分析与应用[D].北京：人民邮电出版社，2018：255-262.

[2] 张良均，王路，谭立云，等.Python数据分析与挖掘实践[M].北京：机械工业出版社，2018.

[3] 龚正.从创建节约型高校略论学校水电节能对策[J].低碳世界，2019（2）：302-303.

[4] 兰代萍，李寿军，邓海成，等.基于熵权TOPSIS法分析高校节能减排指标[J].山西化工.2021（4）：185-187.

收稿日期：2021-10-18

基金项目：安徽商贸职业技术学院重点产学研项目“基于语音控制智能节能系统的研究”（2021KZZ04）;移动互联应用技术专业教学团队（2020jxtd093）。

作者简介：汤义好（1983—），男，本科，讲师，研究方向：软件技术。

3964500338224