實時地震探測系統(tǒng)開源分享

系統(tǒng)框圖

?

原型系統(tǒng)由下面列出的幾個組件組成：

• QuickLogic 的 QuickFeather
• DFrobot 的 Firebeetle ESP32

下面還有其他幾個軟件包。

• QuickLogic 的 QORC-SDK
• Arduino IDE
• 數(shù)據(jù)采集??實驗室、Analytics Studio、SensiML 的開放式網(wǎng)關(guān)

原型系統(tǒng)

?

QuickFeather 開發(fā)板和 ESP32 板之間的連接是使用 UART 的，簡單的原理圖如圖（下）所示：

ESP32 和 QuickFeather 板連接

?

收集和標記數(shù)據(jù)

（注意：SensiML Toolkit 文檔提供了安裝和使用本項目中使用的 Data Collection Lab 和 Analytics Studio 的指南。請始終參閱該文檔以了解任何詳細信息。）

從 QuickFeather 設(shè)備的 SensiML 文檔鏈接下載用于音頻數(shù)據(jù)捕獲的二進制文件，然后按照教程進行安裝。使用如下所示的配置設(shè)置捕獲樣本數(shù)據(jù)以獲取環(huán)境（正常）和地震（振動）音頻的樣本。

捕獲白天的正常（環(huán)境）樣本。

?

在捕獲大量樣本后，將它們標記為環(huán)境和地震。這里我們使用移動振動模式作為地震樣本數(shù)據(jù)。

數(shù)據(jù)準備和建立模型

在使用 Data Capture Lab (DCL) 捕獲合理數(shù)量的環(huán)境和地震音頻樣本并添加必要的標簽后，音頻文件將上傳到SensiML Analytics Studio進行數(shù)據(jù)準備和建模。以下是從 DCL 音頻文件中檢索到的示例音頻片段。

SensiML Analytics Studio 的準備數(shù)據(jù)部分

?

我們使用 Analytics Studio 的構(gòu)建模型部分構(gòu)建模型（有關(guān)詳細信息，請參閱SensiML 工具包文檔）。

SensiML Analytics Studio 的“探索模型”部分有助于評估開發(fā)的模型。我們開發(fā)的模型的混淆矩陣如下：

我們模型的混淆矩陣

?

部署 Model 0n QuickFeather

模型準備好后，下一步是創(chuàng)建一個知識包，該知識包可以部署回 QuickFeather 以在野外進行推理。在 Studio 的“下載模型”部分，確認部署包的所需設(shè)置并選擇“下載”。（同樣，有關(guān)不同配置選項的詳細信息，請參閱 SensiML 文檔。）

我們創(chuàng)建了用于在 QuickFeather 板上部署模型的知識包。我們從 sensiML Studio 下載模型。（同樣，有關(guān)不同配置選項的詳細信息，請參閱 SensiML 文檔。）

準備 ESP32 開發(fā)板和 Thinger.io 云

ESP32 開發(fā)板用于從 QuickFeather 板采集數(shù)據(jù)，并負責將采集到的數(shù)據(jù)傳輸?shù)皆贫恕?/font>我們通過使用 Arduino IDE 閃存來準備 ESP32 板（在其上加載源代碼）。