La crescente urbanizzazione porta con sé un aumento dei rumori ambientali, spesso associati a fonti come il traffico o le attività delle infrastrutture pubbliche. Il fenomeno è stato notato da Christopher Cooper, residente in una zona in cui è stata recentemente inaugurata una stazione di polizia. Il progetto di Cooper si inserisce in questo contesto, offrendo una soluzione tecnologica per classificare e analizzare automaticamente i rumori ambientali, superando le limitazioni di una registrazione manuale.
L’idea alla base del progetto nasce dall’esigenza di quantificare e analizzare l’impatto acustico senza dover ricorrere a registrazioni o annotazioni manuali. Per realizzare questo obiettivo, Cooper ha sviluppato un dispositivo basato su Arduino Nano 33 BLE Sense ed un modulo ESP32, in grado di identificare, classificare e registrare automaticamente i suoni ambientali. La soluzione combina hardware e software per offrire un sistema completo e facile da usare, rendendo possibile un monitoraggio continuo e dettagliato. La classificazione dei suoni è stata resa possibile grazie ad Edge Impulse, una piattaforma di Machine Learning specializzata nell’elaborazione di dati provenienti da sensori. Il modello, addestrato utilizzando campioni di suoni, è stato successivamente distribuito sull’Arduino Nano 33 BLE Sense. Il microcontroller è dotato di un microfono integrato che permette di catturare i rumori circostanti. Una volta catturati, i dati vengono analizzati in tempo reale attraverso algoritmi di inferenza, che restituiscono una classificazione del suono accompagnata da un punteggio di affidabilità.
I risultati di questa analisi vengono trasmessi tramite una connessione UART seriale ad un kit di sviluppo ESP32, che funge da interfaccia utente. Grazie ad un display integrato, il dispositivo consente agli utenti di visualizzare i dati in tempo reale, organizzati in un elenco dettagliato. Ciascuna riga rappresenta un evento sonoro, con informazioni quali il tipo di suono e l’ora di registrazione. Inoltre, l’utente può interagire con il sistema, modificando le classificazioni o accedendo ad ulteriori dettagli, migliorando così la personalizzazione e l’accuratezza del monitoraggio. Un aspetto particolarmente interessante del progetto è l’integrazione con un server web ospitato sull’ESP32, che consente di accedere ai log dei suoni tramite un browser, offrendo un’esperienza utente intuitiva e accessibile da qualsiasi dispositivo connesso. Inoltre, è possibile collegare una scheda SD per salvare automaticamente i dati raccolti, semplificando la gestione a lungo termine. Il progetto di Cooper rappresenta un esempio di come la tecnologia possa essere applicata per affrontare problematiche legate alla qualità della vita nelle aree urbane. Grazie ad un approccio basato sull’automazione e sull’Intelligenza Artificiale, è possibile ottenere una mappatura accurata dei disturbi acustici, offrendo strumenti utili sia ai cittadini che alle autorità locali per la gestione del rumore. Questo dispositivo evidenzia le potenzialità dell’open hardware e del Machine Learning per rispondere a sfide concrete del mondo reale.
Riferimenti
Monitor your noisy neighbours with Edge Impulse - Hackster.io
Arduino Nano 33 BLE Sense Rev2 - Arduino Official Store
