Prepoznavanje govorjenih ukazov na vgrajenih sistemihIvanović, Saša (Avtor) Bulić, Patricio (Mentor) vgrajeni sistemiprepoznavanje govorjenih ukazovstrojno učenjeMFCCkonvolucijske nevronske mrežekvantizacijaDiplomsko delo obravnava prepoznavanje govorjenih ukazov na vgrajenem sistemu s pomočjo strojnega učenja. V okviru dela smo zasnovali in implementirali celoten sistem za prepoznavanje šestih govorjenih ukazov (“left”, “right”, “up”, “down”, “stop”, “go”) na razvojni plošči STM32H750B-DK. Model smo naučili na podatkovni zbirki Google Speech Commands z uporabo konvolucijske nevronske mreže tipa DS-CNN, vhodne značilke pa smo izračunali s postopkom MFCC (Mel-Frequency Cepstral Coefficients). Za zagotovitev primerne velikosti in hitrosti izvajanja na vgrajenem sistemu smo model kvantizirali v format INT8 in ga s pomočjo orodja X-CUBE-AI pretvorili v izvorno kodo C. Na vgrajenem sistemu smo implementirali celoten cevovod obdelave zvočnega signala – od zajema preko avdio vmesnika, filtriranja in prevzorčenja, izračuna MFCC značilk v jeziku C, do zagona modela in prikaza rezultata na zaslonu LCD. Naučeni model je na testni množici dosegel točnost 93,07 %, po kvantizaciji pa 92,90 %, kar potrjuje, da izguba točnosti zaradi kvantizacije ni bistvena. Rezultati kažejo, da je predlagana rešitev primerna za prepoznavanje govorjenih ukazov v realnem času na vgrajenih sistemih z omejenimi računskimi viri.20262026-09-08 13:40:06Diplomsko delo/naloga187038sl