2026年09月07日
2026年09月17日
2026年10月15日
2026年10月16日
NoiseCare 是一款结合 AI 算法与智能硬件的婴儿哭声智能监测与翻译系统，旨在帮助新手父母更科学地理解和应对婴儿哭闹。项目正在开发的核心内容包括：基于深度学习的哭声分类模型、婴儿端声音采集与安抚装置、家长端提醒与交互终端，以及配套的手机应用程序。系统可实现对婴儿不同情绪（如饥饿、疲倦、腹痛等）的识别，并通过震动提醒与安抚反馈形成闭环响应。产品特别支持听障用户，具备良好的社会包容性与商业拓展性。
基于婴儿真实哭声采样，构建多标签音频数据集 使用CNN + TSI算法提取梅尔频谱图等声音特征 应用深度学习框架（如PyTorch）进行哭声分类模型训练 自研婴儿端与家长端嵌入式硬件原型，支持语音输入与反馈 开发跨平台移动应用（Flutter + Firebase）实现数据可视化与用户交互
预期成果为一款“软硬件一体”的智能婴儿哭声识别与安抚系统，包括：
一个可悬挂于婴儿床/婴儿车的宝宝端监测设备，用于采集哭声、识别情绪，并自动播放安抚音（如白噪声、摇篮曲）； 一个支持实时推送、记录和数据分析的移动应用程序，提供哭声分类、育儿建议与行为趋势图表； 适用于听障家庭的可视化育儿界面，实现信息的文字转化与静音场景识别。 整体产品将具备高识别度、强交互性与良好的用户友好度，适用于家庭与医院场景，可实现商业转化与社会赋能双重价值。
项目简介：
NoiseCare 是一款结合 AI 算法与智能硬件的婴儿哭声智能监测与翻译系统，旨在帮助新手父母更科学地理解和应对婴儿哭闹。项目正在开发的核心内容包括：基于深度学习的哭声分类模型、婴儿端声音采集与安抚装置、家长端提醒与交互终端，以及配套的手机应用程序。系统可实现对婴儿不同情绪（如饥饿、疲倦、腹痛等）的识别，并通过震动提醒与安抚反馈形成闭环响应。产品特别支持听障用户，具备良好的社会包容性与商业拓展性。
开发方式：
基于婴儿真实哭声采样，构建多标签音频数据集
使用CNN + TSI算法提取梅尔频谱图等声音特征
应用深度学习框架（如PyTorch）进行哭声分类模型训练
自研婴儿端与家长端嵌入式硬件原型，支持语音输入与反馈
开发跨平台移动应用（Flutter + Firebase）实现数据可视化与用户交互
预期成果：
预期成果为一款“软硬件一体”的智能婴儿哭声识别与安抚系统，包括：
一个可悬挂于婴儿床/婴儿车的宝宝端监测设备，用于采集哭声、识别情绪，并自动播放安抚音（如白噪声、摇篮曲）；
一个支持实时推送、记录和数据分析的移动应用程序，提供哭声分类、育儿建议与行为趋势图表；
适用于听障家庭的可视化育儿界面，实现信息的文字转化与静音场景识别。
整体产品将具备高识别度、强交互性与良好的用户友好度，适用于家庭与医院场景，可实现商业转化与社会赋能双重价值。