作者：

崔曉晴 鄭州輕工業大學

1前言

英特爾作為IT領域的領軍企業，為開發者們提供了全面的支持，包括芯片、開發套件、培訓課程和開發環境等。為了更好地與開發者互動，英特爾發起了“走近開發者”活動，其中包括哪吒開發套件的免費試用機會、AI創新計劃以及有獎征文活動。

2背景

隨著中國經濟的快速增長和城市化進程的加速，城市交通擁堵、交通事故頻發以及環境污染等問題日益嚴重，尤其是在大城市中，這些問題表現得尤為突出。交通擁堵不僅影響了市民的日常出行效率，更是嚴重影響了緊急車輛的快速通行，延誤了救援時間，增加了事故和傷亡風險。在高峰時段，城市中心區域和主要交通干道常常出現嚴重擁堵，這不僅降低了城市的運行效率，也對緊急服務的及時響應構成了障礙。面對這些挑戰，中國交通管理亟需轉型升級，利用現代科技手段提高智能化水平，以實現對交通流量的實時監控、智能分析和優化控制。

在這樣的背景下，“聲納警衛——基于深度學習的紅綠燈控制系統”項目應運而生，它代表了智能交通系統在中國城市交通管理中的創新應用。該項目通過音頻傳感器采集城市公路上的聲音，利用深度學習模型識別緊急車輛，如消防車、救護車等，并智能控制紅綠燈，優先放行這些緊急車輛。這種智能化的交通管理系統不僅能夠提高城市交通管理的智能化水平，確保緊急車輛的快速響應，同時還能優化交通流量管理，減少因交通擁堵造成的經濟損失和社會成本。

3開發板介紹

3.1開發板資料

哪吒開發套件以一張信用卡大小（85 x 56mm）的哪吒開發板為核心，搭載英特爾 N97（Alder Lake-N）處理器。這款處理器以其高性能與低功耗的特點，為開發板提供了強大的計算能力。哪吒開發板支持四核SoC，最高頻率可達3.60GHz，而熱設計功耗（TDP）僅為12W，這使得它在保持高性能的同時，也能實現低功耗運行。

內置的Intel UHD Graphics Gen12 GPU擁有多達24個執行單元，基于Xe架構，為新一代產品。這款GPU不僅是一個強大的圖形處理單元，也是一個高效的AI引擎，特別適合于AI推理任務。它支持包括INT8在內的主要數據類型，通過HDMI 1.4b接口，能夠支持30Hz的4K UHD（3840×2160）分辨率顯示，為高分辨率顯示提供了可能。

哪吒開發板只有身份證大小，配備了最大8GB的LPDDR5系統內存和最大64GB的eMMC存儲，為運行各種應用程序提供了充足的內存和存儲空間。此外，開發板內置TPM 2.0，增強了安全性，40針的GPIO連接器提供了豐富的外設連接選項，可以配置為PWM、UART、I2C、I2S、SPI和ADC等多種功能，為開發者提供了構建解決方案的靈活性。

此外，哪吒開發板支持Windows和Linux操作系統，無風扇散熱設計，使得它在多種應用場景下都能提供高效的解決方案。這款開發板適合用于教育、物聯網網關、數字標牌和機器人等領域，其多功能性和靈活性，為開發者提供了一個強大的平臺，以實現他們的創意和項目。

3.2 開箱照片

圖3-3 哪吒開發板開箱圖

4項目介紹

4.1 整體構思

產品介紹

本項目以哪吒開發板作為數據處理中心，利用音頻傳感器采集城市公路上的聲音，這些數據被傳輸至哪吒開發板，隨后通過預處理和深度學習模型進行推理操作，以識別聲音來源是緊急車輛如消防車、救護車還是普通汽車。基于這些識別結果，系統將智能控制紅綠燈，優先放行緊急車輛，確保它們能夠快速響應。

同時，系統將把推理結果實時傳輸至云側平臺，供城市管理中心監控和分析，從而優化交通流量管理。為了提升系統的整體性能和用戶體驗，可以考慮引入視頻傳感器和環境傳感器，實現多傳感器數據融合，提高識別的準確性。此外，系統的算法需要不斷優化，以適應不同環境下的噪音水平和交通狀況。

哪吒開發板的數據處理能力將保證實時處理大量數據流，滿足快速決策的需求。與云平臺的深度集成將使得系統能夠利用云計算資源進行更復雜的數據分析和模型訓練，同時支持遠程監控、系統升級和維護。城市管理中心將通過一個直觀的用戶界面實時查看交通狀況和系統狀態，進行必要的手動干預。系統的設計將嚴格遵守數據安全性和隱私保護標準，確保所有傳輸和存儲的數據都符合法規要求。

在部署前，系統將經過嚴格的測試和評估，以確保其在各種環境下的穩定性和可靠性。此外，項目將確保與當地交通管理政策和法規的兼容性，與現有的交通管理系統和應急服務流程實現無縫對接，為城市交通的智能化管理提供全面而高效的解決方案。

功能設計

智能交通聲音識別與控制系統利用哪吒開發板作為核心，通過音頻傳感器收集城市公路聲音數據，經預處理和深度學習模型推理后，智能識別緊急車輛并控制紅綠燈以優先放行。系統將識別結果實時上傳至云平臺，供城市管理中心監控和優化交通流量。

為提升準確性，系統考慮集成視頻和環境傳感器，實現多傳感器數據融合。哪吒開發板強大的數據處理能力確保了實時處理和快速決策，而云平臺集成則支持遠程監控和系統維護。系統設計遵循數據安全和隱私保護標準，并在部署前經過嚴格測試，確保穩定性和可靠性，同時與當地交通政策和法規兼容，實現與現有系統的無縫對接。

產品總結

本產品是一個創新的智能交通管理系統，旨在通過聲音識別技術優化城市交通流量，確保緊急車輛快速響應。系統集成了哪吒開發板作為核心數據處理中心，結合音頻、視頻和環境傳感器，實現多傳感器數據融合，提高識別準確性，并智能控制交通信號燈。

4.2 方案架構

數據處理

首先從CSV文件中讀取包含音頻文件路徑和類別標簽的元數據，使用LabelEncoder將文本類別標簽轉換為整數標簽，然后定義一個函數parse_wav來遍歷每個音頻文件，利用librosa庫加載WAV文件并從中提取梅爾頻率倒譜系數（MFCC）特征，同時計算每個音頻文件的MFCC特征均值，并進行特征縮放以標準化數據。

最終，代碼將提取的MFCC特征、MFCC均值、縮放后的MFCC特征以及對應的標簽數組保存為一個.npz文件，為機器學習模型的訓練提供預處理后的數據。整個過程包括數據加載、標簽編碼、特征提取、特征處理和數據保存，是一個完整的音頻數據處理流程，旨在將原始音頻文件轉換為適合機器學習模型訓練的數值特征。

神經網絡介紹

本項目所使用的神經網絡架構是一個深度學習模型，專門設計用于處理和分類音頻數據。它由四個順序堆疊的卷積層組成，每個卷積層都是一維的（`nn.Conv1d`），用于從輸入的音頻信號中提取時間序列特征。每個卷積層后面緊跟著一個ReLU激活函數和一個批量歸一化層，ReLU激活函數引入非線性，幫助網絡學習復雜的特征表示，而批量歸一化層則用于減少內部協變量偏移，加速訓練過程，并提高模型的泛化能力。

卷積層的權重采用He初始化方法，這是一種專為ReLU激活設計的初始化技術，有助于保持訓練初期的梯度規模，而偏置則初始化為0。所有這些卷積層、激活函數和批量歸一化層被封裝在一個順序容器中，簡化了模型的構建和前向傳播過程。

在卷積層之后，模型使用自適應平均池化層將特征圖的每個通道壓縮成一個單一數值，減少特征維度，并使模型對音頻信號長度變化具有不變性。經過池化的特征被送入一個全連接層，將高維特征映射到類別空間，輸出每個類別的預測分數。在全連接層和輸出層之間，模型使用Dropout層來隨機丟棄一部分特征，減少過擬合。

最后，模型使用`F.log_softmax`函數將全連接層的輸出轉換為對數概率分布，為多分類問題提供了合適的輸出格式，通常與交叉熵損失函數一起使用。整體而言，這個架構通過深度卷積網絡結構和適當的技術，實現了高效準確地對音頻信號進行特征提取和分類。

4.3 模型轉化

pth格式轉化為onnx

import torch
from model import AudioMutiCNN


config = {}


device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = AudioMutiCNN(config)
model.load_state_dict(torch.load('./wsp.pth',map_location=torch.device(device), weights_only=True))


dummy_input = torch.randn(1, 64, 345)




torch.onnx.export(model,
         dummy_input,
         f='D:/python_code/tool/sonar_guard/yjs.onnx',
         export_params=True,
         verbose=False,
         # input_names=['input'],
         # output_names=['output'],
         opset_version=11)

onnx轉化為IR模型

import openvino as ov
path = ‘./wsp.onnx’


 


# 導出模型為 ONNX 格式
onnx_path = ‘path’
 


# 轉換 ONNX 模型為 OpenVINO 格式
ov_model = ov.convert_model(onnx_path)
 


 


# 保存 OpenVINO 模型
ir_path = './sonar_guard/yjs.xml'
ov.save_model(ov_model, ir_path)
 


print("OpenVINO IR model saved to:", ir_path)

圖4-1 模型轉化展示

4.4 硬件部分

使用了Intel的哪吒開發板作為上位機控制arduino開發板。我們在arduino板中燒錄紅綠燈控制系統代碼。（下圖展示的為紅綠燈控制系統在接收到串口數據后，停止其他燈亮，打開綠燈的展示效果）

圖4-2效果展示圖

5總結和后記

在本項目中，我們有幸得到了英特爾公司提供的哪吒開發板，這不僅是一次技術探索的機遇，也是對我們團隊技術實力的一次挑戰。通過這次“走近開發者”活動，我們深入體驗了哪吒開發板的強大功能，并成功將其應用于智能交通聲音識別與控制系統的開發中。

首先，我們要感謝英特爾公司提供的哪吒開發板，它以小巧的體積和強大的性能，為我們的項目提供了數據處理的核心。哪吒開發板搭載的英特爾 N97處理器，以及內置的Intel UHD Graphics Gen12 GPU，為我們的深度學習模型提供了強大的推理能力。這些技術的支持，使得我們能夠處理大量的聲音數據，并實現快速準確的緊急車輛識別。

在項目開發過程中，我們充分利用了哪吒開發板的高性能與低功耗特性，結合音頻、視頻和環境傳感器，實現了多傳感器數據融合，提高了系統的識別準確性。通過深度學習模型的推理操作，我們成功實現了對城市公路上聲音的智能識別，并智能控制紅綠燈，優先放行緊急車輛，確保了快速響應能力。

此外，哪吒開發板與云平臺的深度集成，為我們提供了遠程監控、系統升級和維護的能力，同時也支持了更復雜的數據分析和模型訓練。這不僅提升了系統的整體性能，也為城市管理中心提供了實時的交通狀況和系統狀態監控，優化了交通流量管理。

在項目實施過程中，我們嚴格遵守了數據安全性和隱私保護標準，確保所有傳輸和存儲的數據都符合法規要求。同時，系統在部署前經過了嚴格的測試和評估，以確保其在各種環境下的穩定性和可靠性。我們確保了與當地交通管理政策和法規的兼容性，實現了與現有交通管理系統和應急服務流程的無縫對接。