Geluid meten én herkennen met slimme sensoren
Het systeem combineert een microfoon, geluidsdetectie-algoritme en microcontroller die lokaal draait op TinyML. Het meet continu geluid, slaat pieken en afwijkingen op in .wav-formaat en genereert automatisch een logbestand met tijdstip, locatie en betrouwbaarheid van de meting.
De oplossing draait op een Seeed ReSpeaker aangesloten op een Raspberry Pi, aangevuld met een Real Time Clock en opslag op USB. Door de anomaly detection lokaal te laten plaatsvinden, bespaart het systeem stroom en opslagruimte. Alleen relevante geluidsfragmenten worden vastgelegd. Kortom: een plug & play-oplossing met minimale kosten én maximale focus.
Dit veranderde het gebruik van
TinyML aan de overlast
Automatische detectie van geluidsoverlast op basis van afwijkende piekpatronen, herkenning van herkomst (richting) van het geluid, bewezen inzetbaarheid in industriële omgevingen en potentieel om klachten met 20% te reduceren binnen een jaar.
De combinatie van lokalisatie, logging en live feedback maakt het voor Tata Steel mogelijk om preciezer en sneller in te grijpen bij overlastsituaties. Dit levert niet alleen minder klachten op, maar draagt ook bij aan een betere relatie met omwonenden én interne veiligheid.
meer info of aanmelden?
Deze oplossing laat zien dat complexe uitdagingen, slim, betaalbaar en schaalbaar aangepakt kunnen worden met TinyML. Ook voor kleinere bedrijven met geluidsgevoelige processen biedt dit kansen: van monitoring tot voorspellend onderhoud. Fieldlab Edge AI helpt je stap voor stap, van idee tot werkend prototype. Meer weten? Neem contact op met het Fieldlab Edge AI for Smart Industry via Andre Gerver.
CONTACTPERSOON
Andre Gerver
📧 a.gerver@techport.nl