ウクレレ･コード分類

システムはさまざまな信号を発することで周囲環境へ影響を与えます。 そうした信号は装置の動作を反映する適切な情報源です。 これらの信号を理解できれば大幅な最適化が可能になります。 機械学習は、システムによって生成されたデータを人間にとって意味のあるデータにするのに役立ちます。

例えば、この場合は機械学習ライブラリを使用して振動パターンを分析することで和音のコードを認識できます。 このアプローチは他のアプリケーションに容易に適用可能で、各種イベントの分類とソリューションのスマート化を実現します。

アプローチ

• 背景雑音の影響を低減するために音ではなく振動を測定しました。
• 分析の結果、周波数2000Hzでコードの認識が可能でした。 加速度センサは3300Hz（最低センサ周波数）に設定しました。
• 20種類のコードのサンプル（1コード当たり100信号）を記録しました。
• そして、NanoEdge AI Studioで「Nクラス分類」モデルを作成し、NUCLEO-L432KC（およびSTEVAL-MKI178V1とLSM6DSL）で実際にテストしました。

センサ

加速度センサ（3軸）：LSM6DSL