SirenSense

AI on-edge · klasifikasi audio darurat

Membedakan sirine ambulans & polisi, langsung di browser

Sebuah jaringan saraf yang dilatih pada Mel-Filterbank Energy mendengarkan mikrofonmu dan memutuskan, secara waktu nyata, apakah yang terdengar adalah sirine ambulans, sirine polisi, atau sekadar derau. Model aslinya berjalan pada Arduino Nano 33 BLE Sense; halaman ini menghidupkannya di dalam peramban.

⛁ Dioptimasi untuk Arduino Nano 33 BLE Sense EON int8 · 9 ms · RAM 14,7 KB

Latar belakang

Masalah & pendekatan

Masalah nyata

Detik menentukan nyawa

Ambulans dan polisi sering terjebak di persimpangan. Pengemudi tidak selalu mendengar, atau tidak bisa membedakan, sirine yang mendekat, dan setiap detik tertunda bisa berarti nyawa. Persimpangan perlu tahu, otomatis, bahwa kendaraan prioritas sedang datang.

Masalah keinsinyuran

Bukan sekadar mendeteksi, tapi membedakan

Sistem harus mendeteksi sekaligus membedakan jenis sirine secara waktu nyata, di perangkat murah berdaya rendah, tahan terhadap bising jalanan, dan tanpa ketergantungan cloud pada jalur kritisnya, semua dalam anggaran milidetik.

Pendekatan

AI akustik di tepi

Mel-Filterbank Energy memberi makan jaringan konvolusional 1-D yang berjalan langsung di Arduino Nano 33 BLE Sense, mengklasifikasikan ambulans, polisi, atau derau dalam 9 ms, lalu memicu prioritas lampu lalu lintas. Tidak ada server pada jalur keputusan.

Live Acoustic Classifier Model: baseline (demo)
Memuat model on-device…
menyiapkan WebAssembly Edge Impulse (~8 MB, sekali saja)
idle · pilih mode lalu mulai
8 kHz
100 Hz
Spektrogram mel akan mengalir di sini saat audio aktif.
Prediksi kelas
— menunggu —
Belum ada audio yang dianalisis
Yelp Ambulance0%
Yelp Police0%
Noise0%
Output sistem asli: bila sirine terkonfirmasi, lampu beralih HIJAU untuk prioritas jalan. Menunggu sinyal.

Mengapa klasifikasi ini?

Explainable AI · occlusion

Pengaruh pita frekuensi terhadap keputusan
Tiap pita ditutup lalu model diuji ulang; makin panjang batang, makin menentukan pita itu.
Ambulans Polisi Derau Klip ini
Posisi skematik klip pada ruang fitur, ditimbang oleh keyakinan model.
Mode aktif: baseline heuristik. Baseline andal membedakan sirine vs derau, tetapi karena kedua kelas sirine sama-sama berpola yelp, pemisahan ambulans vs polisi di sini bersifat tentatif. Letakkan ekspor WebAssembly Edge Impulse di folder /model untuk mengaktifkan klasifikator terlatih (akurasi validasi 96,5%).