Caffe

1、方案应用场景： 本方案面向所有需要声学信号处理的产品，包括但不限于：商用车，乘用车，蓝牙耳机（机车头盔），高端测绘设备，机器人等等； 2、方案优势： 相比常规方案的区别非常简单粗暴： ① 基于DNN的方案能做到国内TOP前3； ② 性价比很高，具体多高可以私聊； 3、方案技术应用： 包括但不限于： ① 信号采集与预处理：降噪、回声消除、混响抑制 等； ② 特征提取：MFCC（梅尔频率倒谱系数）、PLP（感知线性预测） 等； ③ 语音增强：时域和频域滤波、自适应滤波 等； ④ 声源定位与分离：自适应波束形成（ABF）、独立成分分析（ICA） 等； ⑤ 端点检测：动态语音活动检测（动态VAD） 等； ⑥ 声学模型训练：深度神经网络（DNN） 等；

1. 用智能割草机器人项目申请并通过上海工程技术大学校级创新项目，获得4000元创新项目资助费。 2. 带领4名队员，开发了一个能通过训练好的深度学习模型识别青草，并能根据青草的位置信息自动规划割草路径的割草机，为队员1分配采集青草图片工作，为队员2分配硬件开发工作，为队员3分配填写资料文件工作。 3. 负责改进caffe深度学习框架、配置深度学习参数、用caffe框架训练青草识别模型；编写割草机器人状态信息展示网站系统，该系统能显示割草机10多种状态参数。 4. 在树莓派3、ubuntu16.02这2种操作系统平台上，用arduino、Python、C这3种编程语言开发割草机与深度学习模型之间的通信系统及割草机路径规划系统。 5.使用STM32f103和ATK模块接受GPS信号并实现割草机的户外定位。 6. 撰写并申请实用新型（专利号：201910816762.1）、发明专利（专利号：CN201910816762.1）各一份。