Add 模型卡片

README.md

@@ -0,0 +1,290 @@
+---
+license: mit
+tags:
+- audio-classification
+- wav2vec2
+- sound-detection
+- few-shot-learning
+- pytorch
+language:
+- zh
+datasets:
+- custom
+metrics:
+- accuracy
+- precision
+- recall
+- f1
+library_name: transformers
+pipeline_tag: audio-classification
+---
+
+# 🎯 热水器开关声音检测器 (Heater Switch Sound Detector)
+
+基于Wav2Vec2的热水器开关声音实时检测模型。这是一个少样本学习项目，仅用6个音频样本就能达到100%的检测准确率。
+
+## 模型描述
+
+该模型使用Facebook的Wav2Vec2预训练模型作为特征提取器，在热水器开关声音数据上进行微调，实现对开关按下声音的精确识别。
+
+### 模型架构
+
+```
+原始音频 [48000 samples] 
+    ↓ Wav2Vec2特征编码器 (7层1D卷积)
+局部特征 [1199, 768]
+    ↓ Wav2Vec2上下文网络 (12层Transformer) 
+上下文特征 [1199, 768]
+    ↓ 全局平均池化
+固定特征 [768]
+    ↓ 分类头 (2层全连接)
+分类结果 [2] (开关/背景)
+```
+
+## 训练数据
+
+- **正样本**: 6个热水器开关声音 (3.2-5.2秒)
+- **负样本**: 6个自动生成的背景噪音
+- **总样本**: 12个 (训练集8个，测试集4个)
+- **采样率**: 16kHz
+- **格式**: 单声道WAV
+
+### 数据特征分析
+
+| 样本类型 | 时长范围 | RMS能量 | 频谱质心 | 过零率 |
+|----------|----------|---------|----------|--------|
+| 开关声音 | 3.2-5.2s | 0.0079-0.0115 | 1587-1992Hz | 0.0657-0.1215 |
+| 背景噪音 | 2.0-4.0s | 0.005-0.02 | 500-1500Hz | 0.05-0.15 |
+
+## 性能指标
+
+| 指标 | 数值 |
+|------|------|
+| **准确率** | 100% |
+| **精确率** | 100% |
+| **召回率** | 100% |
+| **F1分数** | 100% |
+| **训练轮数** | 15 epochs |
+| **模型大小** | 361MB |
+| **推理延迟** | <100ms |
+
+### 混淆矩阵
+
+```
+实际\预测    无开关    有开关
+无开关         2        0
+有开关         0        2
+```
+
+## 使用方法
+
+### 安装依赖
+
+```bash
+pip install torch torchaudio transformers huggingface_hub
+```
+
+### 加载模型
+
+```python
+from huggingface_hub import hf_hub_download
+import torch
+import torchaudio
+from transformers import Wav2Vec2Model
+
+# 下载模型
+model_path = hf_hub_download(
+    repo_id="lemonhall/heater-switch-detector",
+    filename="switch_detector_model.pth"
+)
+
+# 加载模型
+device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
+checkpoint = torch.load(model_path, map_location=device)
+
+# 重建模型架构
+wav2vec2_model = Wav2Vec2Model.from_pretrained("facebook/wav2vec2-base")
+classifier = torch.nn.Sequential(
+    torch.nn.Linear(768, 256),
+    torch.nn.ReLU(),
+    torch.nn.Dropout(0.3),
+    torch.nn.Linear(256, 2)
+)
+
+# 加载权重
+classifier.load_state_dict(checkpoint['classifier_state_dict'])
+classifier.eval()
+```
+
+### 音频预测
+
+```python
+def predict_audio(audio_path):
+    # 加载音频
+    waveform, sample_rate = torchaudio.load(audio_path)
+    
+    # 重采样到16kHz
+    if sample_rate != 16000:
+        resampler = torchaudio.transforms.Resample(sample_rate, 16000)
+        waveform = resampler(waveform)
+    
+    # 转为单声道
+    if waveform.shape[0] > 1:
+        waveform = waveform.mean(dim=0, keepdim=True)
+    
+    # 特征提取
+    with torch.no_grad():
+        features = wav2vec2_model(waveform).last_hidden_state
+        pooled_features = features.mean(dim=1)  # 全局平均池化
+        
+        # 分类预测
+        logits = classifier(pooled_features)
+        probabilities = torch.softmax(logits, dim=-1)
+        prediction = torch.argmax(probabilities, dim=-1)
+    
+    return {
+        'prediction': '开关按下' if prediction.item() == 1 else '背景声音',
+        'confidence': probabilities.max().item(),
+        'probabilities': {
+            '背景声音': probabilities[0][0].item(),
+            '开关按下': probabilities[0][1].item()
+        }
+    }
+
+# 使用示例
+result = predict_audio("test_audio.wav")
+print(f"预测结果: {result['prediction']}")
+print(f"置信度: {result['confidence']:.3f}")
+```
+
+### 实时检测
+
+```python
+import pyaudio
+import numpy as np
+
+def realtime_detection():
+    # 音频参数
+    SAMPLE_RATE = 16000
+    CHUNK_SIZE = 1024
+    DETECTION_WINDOW = 3.0  # 3秒检测窗口
+    
+    # 初始化音频流
+    audio = pyaudio.PyAudio()
+    stream = audio.open(
+        format=pyaudio.paFloat32,
+        channels=1,
+        rate=SAMPLE_RATE,
+        input=True,
+        frames_per_buffer=CHUNK_SIZE
+    )
+    
+    print("🎤 开始实时检测...")
+    
+    buffer = []
+    window_size = int(DETECTION_WINDOW * SAMPLE_RATE)
+    
+    try:
+        while True:
+            # 读取音频数据
+            data = stream.read(CHUNK_SIZE)
+            audio_chunk = np.frombuffer(data, dtype=np.float32)
+            buffer.extend(audio_chunk)
+            
+            # 保持窗口大小
+            if len(buffer) > window_size:
+                buffer = buffer[-window_size:]
+            
+            # 检测
+            if len(buffer) == window_size:
+                waveform = torch.FloatTensor(buffer).unsqueeze(0)
+                
+                with torch.no_grad():
+                    features = wav2vec2_model(waveform).last_hidden_state
+                    pooled_features = features.mean(dim=1)
+                    logits = classifier(pooled_features)
+                    probabilities = torch.softmax(logits, dim=-1)
+                    
+                    switch_prob = probabilities[0][1].item()
+                    
+                    if switch_prob > 0.93:  # 高置信度阈值
+                        print(f"🔥 检测到开关按下! 置信度: {switch_prob:.3f}")
+    
+    except KeyboardInterrupt:
+        print("\n⏹️  检测停止")
+    finally:
+        stream.stop_stream()
+        stream.close()
+        audio.terminate()
+
+# 运行实时检测
+realtime_detection()
+```
+
+## 技术特点
+
+### 🚀 优势
+
+- **少样本学习**: 仅需6个样本即可达到完美分类
+- **端到端训练**: 从原始音频波形直接学习特征
+- **预训练优势**: 利用Wav2Vec2的大规模预训练知识
+- **实时检测**: 支持麦克风实时音频流处理
+- **高精度**: 测试集100%准确率
+
+### 🎯 应用场景
+
+- **智能家居**: 自动检测热水器使用状态
+- **设备监控**: 远程监控设备操作
+- **节能管理**: 记录设备使用时间和频率
+- **安全监控**: 异常使用模式检测
+
+### ⚙️ 技术细节
+
+- **基础模型**: facebook/wav2vec2-base
+- **训练策略**: 冻结预训练参数，只训练分类头
+- **优化器**: AdamW (lr=1e-4)
+- **损失函数**: CrossEntropyLoss
+- **数据增强**: 自动生成负样本
+
+## 限制和改进
+
+### 当前限制
+
+- 训练数据较少，可能对新环境泛化能力有限
+- 只能检测特定类型的开关声音
+- 需要相对安静的环境以减少误报
+
+### 未来改进
+
+- [ ] 收集更多样化的训练数据
+- [ ] 支持多类别检测（开/关/故障）
+- [ ] 添加噪音鲁棒性训练
+- [ ] 模型压缩和量化
+- [ ] 支持更多设备类型
+
+## 引用
+
+如果您使用了这个模型，请引用：
+
+```bibtex
+@misc{heater-switch-detector-2024,
+  title={基于Wav2Vec2的热水器开关声音检测器},
+  author={lemonhall},
+  year={2024},
+  howpublished={\url{https://huggingface.co/lemonhall/heater-switch-detector}}
+}
+```
+
+## 许可证
+
+MIT License
+
+## 联系方式
+
+如有问题或建议，请通过以下方式联系：
+- GitHub: [项目地址](https://github.com/lemonhall/heater_click)
+- Email: lemonhall@example.com
+
+---
+
+*该模型仅用于研究和教育目的。在生产环境中使用前，请进行充分的测试和验证。*