АВТОНОМНА ЕКСПЕРИМЕНТАЛЬНА СИСТЕМА І ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ЗВУКОВОГО ВИЯВЛЕННЯ ОБ’ЄКТІВ ТА ON-LINE СПОВІЩЕННЯ
AUTONOMOUS EXPERIMENTAL SYSTEM AND SOFTWARE FOR SOUND OBJECT DETECTION AND NOTIFICATION
Сторінки: 240-245. Номер: №5, 2023 (325) 325-N5-1-240-245
Автори:
ЧИГІНЬ В. І.
Національний університет «Львівська політехніка»
ORCID ID: 0000 -0003-1593-6832
e-mail: vchygin@gmail.com
ПАЗИНЮК М. Ю.
Національний університет «Львівська політехніка»
e-mail: pazyniuk.m@gmail.com
CHYHIN VASYL I., PAZYNIUK M. Y.
Lviv Polytechnic National University
DOI: https://www.doi.org/10.31891/2307-5732-2023-325-5-240-245
Анотація мовою оригіналу
Створили експериментальну автономну систему і програмне забезпечення для звукового виявлення об’єктів з надсиланням on-line сповіщення при їх виявленні. Використали міні-комп’ютер ASUS TS-10 і мікрофон типу SyncoMic-M3. Програмне забезпечення для аналізу звуку в реальному часі сформували на основі власної програми, написаної мовою C++ з використанням застосунку відкритого вихідного коду FrequencyAnalyzer. Використали розклад звукової хвилі у ряд Фур’є за алгоритмом швидкого перетворення (FFT). При цьому вперше ввели такі функції, як граничне значення сумарної інтенсивності звуку, при якому надсилається сповіщення, та значення тривалості сигналу для відсікання випадкових звуків. Склали програму мовою Python для надсилання сповіщення при виявленні об’єкта з використанням бібліотеки Flask для отримання запитів від програми аналізу звуку. При цьому використали бібліотеку python-telegram-bot для автоматизації надсилання сповіщень у телеграм-чат. Python-застосунок розгорнули у хмарному середовищі Heroku, що дозволяє зручно керувати застосунком, його версією та запитами на відправлення повідомлення. В основі програмного забезпечення для аналізу звуку лежить застосування алгоритму швидкого перетворення Фур’є (FFT). Цей алгоритм діє як математичний наріжний камінь, ефективно перетворюючи складні звукові хвилі на зрозумілі представлення рядів Фур’є. Це перетворення дозволяє глибше зрозуміти вхідне аудіо, дозволяючи системі розпізнавати ключові моделі та аномалії. Створена експериментальна система та програмне забезпечення є свідченням інновацій у виявленні об’єктів за допомогою звукового аналізу. Використовуючи необхідне апаратне забезпечення, ретельне програмування та інтеграцію, система забезпечує надійне та ефективне рішення. Паралельно з програмним забезпеченням для аналізу звуку було розроблено додаткову програму Python для миттєвого сповіщення про виявлення об’єкта. Використовуючи бібліотеку Flask, ця програма організовує безперебійний зв’язок між програмним забезпеченням аналізу звуку та зовнішніми системами. Ця інтеграція гарантує, що події виявлення викликають негайне сповіщення, уможливлюючи реагування у реальному часі.
Ключові слова: експериментальна установка, програмне забезпечення, звукове виявлення об’єкта, Flask бібліотека, хмарне середовище Heroku, Python-застосунок.
Розширена анотація англійською мовою
An experimental system and software have been created to detect the object with sending the notification about its detection. ASUS TS-10 Mini PC and Synco Mic-M3 type microphone were used. A real-time sound analysis software was created using a C++ programming language with a usage of open-source application named ‘Frequency Analyzer’ was developed. Fast Fourier Transform algorithm was used to expand a sound wave to Fourier series. Herewith such functions as entering threshold sound intensity value, with a notification sending, and signal duration value to cut off unnecessary sounds were introduced. A python-application was created to send notification when the object is detected using Flask library to receive the requests from Sound Analysis application. Herewith a python-telegram-bot library was used to automate sending messages to the telegram chat. Python-application was deployed on the Heroku cloud environment, which allows to comfortably manage the application, its version, and requests to send the message. At the heart of the sound analysis software lies the ingenious application of the Fast Fourier Transform (FFT) algorithm. This algorithm acts as a mathematical cornerstone, effectively converting intricate sound waves into comprehensible Fourier series representations. This transformation allows for a deeper understanding of the audio input, enabling the system to discern key patterns and anomalies. The created experimental system and software stand as a testament to innovation in object detection through sound analysis. By leveraging cutting-edge hardware, meticulous programming, and strategic integrations, the system provides a robust and efficient solution. In parallel to the sound analysis software, a complementary Python application was ingeniously devised to facilitate instant notifications upon object detection. Leveraging the Flask library, this application orchestrates seamless communication between the sound analysis software and external systems. This integration ensures that detection events trigger immediate notifications, enabling real-time awareness and response.
Keywords: computer control model, software, object sound detection, Flask library, Heroku cloud environment, Python application.
