物联网浏览器(IoTBrowser)-使用深度学习开发防浸水远程报警

一、起因

新房子买在2楼，反水概率较大，加上无良开发商的劣质材料，就我所在楼栋已经发生几起反水事件，而且是高层反水，有几户重复出现反水，原因是管道中间有一个钢筋 ：(

二、解决方案

1.水浸传感器+Wifi模块（ESP8266）

• 1. 优点：局域网内实时高报警效率快、成本相对低、声光报警
  2. 缺点：需要ESP8266二次开发，搭建开发环境比较麻烦

2.水浸报警器成品套件

• 1. 优点：提供http接口，二次开发成本低。
  2. 缺点：实时性差需要不断轮询接口、成本高WiFi版要200以上、无声光报警。

3.水浸传感器+萤石云摄像头+边缘计算

• 1. 优点：保留方案1的优势，另外通过采集报警声音识别，实现远程预警。
  2. 缺点：增加摄像头和边缘计算盒子，成本较高。

三、最终选型

最开始准备采用方案二，后面考虑到成本有点小贵，因为有2个卫生间，需要买2套。最后采用方案三，因为摄像头是开发商配置的，边缘计算盒子很早之前就买回来做测试和开发用。总体实现步骤，先预先训练好报警声波图，后期定时监测摄像头音频进行比对，如果发现声波异常就发送预警通知，之前早就有模拟发送微信自动化脚本。下面就是具体实现细节：

1.采集摄像头音频

使用ffmpeg命令提取摄像头音频文件

2.生成梅尔音谱图

这里花了一点时间，一开始准备直接采用梅尔特征值进行深度学习，后面找了不少资料都是将指标生成图，然后使用深度学习进行图像分类。

先用NWaves实现梅尔指标算法，然后用NPlot进行画图。

生成之后效果

3.机器学习训练音谱图

这里使用ML.NET进行图像分类模型训练。

4.模型测试

报警声谱图

非报警声谱图

整体测试效果还行，但是效率有点低，后面可能还是使用ONNX模型。

5.正式部署模型

采集摄像头和音频生成图片已经完成，推理模型还要再优化，下一步准备整合到智能家居平台。