《Sensors》：Development of a Low-Cost Portable System for Text-to-Speech Conversion: A Mechanical-Aided Optical Solution for Educational Inclusion
编辑推荐：
本研究提出了一种基于分布式架构的低成本辅助阅读系统，其中ESP32-CAM执行图像采集，而Android应用程序执行图像处理、光学字符识别（Optical Character Recognition, OCR）和文本语音转换（Text-to-Speech, T
本研究提出了一种基于分布式架构的低成本辅助阅读系统，其中ESP32-CAM执行图像采集，而Android应用程序执行图像处理、光学字符识别（Optical Character Recognition, OCR）和文本语音转换（Text-to-Speech, TTS）阶段。处理流程包括固定阈值二值化、形态学膨胀、中值滤波、Canny边缘检测和基于投影的文本分割。一个关键贡献是机械滑动标尺框架，其设计用于保持相机与印刷文本之间的水平对齐，并减少与透视相关的误差。该系统通过六名参与者在低、中、高光照条件下进行的36次试验进行了评估。重复测量分析显示，光照对单词识别率（Word Recognition Rate, WRR）存在统计学显著影响，低光照条件下的性能显著低于中和高光照条件，而中与高光照条件之间未发现显著差异。在所有试验中，原型实现了76.53%的总体平均WRR，中位数为78.75%，观察到的最大WRR为97.50%。参与者水平上平均WRR、年龄和先前阅读经验之间的探索性相关性未达到统计学显著，并因样本量较小而被谨慎解释。这些发现为将机械对齐与低成本便携式阅读架构相结合用于教育可及性提供了初步的技术可行性证据，同时强调需要在更大样本和更多样化的操作条件下进行进一步验证。
论文解读
视觉障碍是全球范围内影响生活质量和经济社会参与的重大公共卫生挑战。根据全球疾病负担研究，相当比例的人口存在视力损伤，且这一比例在过去三十年中呈增长趋势。这种状况在教育领域造成显著的信息获取障碍，尤其在发展中国家和地区。在厄瓜多尔，视力障碍者获取教育材料面临巨大困难，现有辅助技术多集中于穿戴式设备，如FingerReader、EyeRing和HandSight等指戴式系统，这些系统依赖自由手部定位和反馈修正，要求使用者具备较高的操作控制能力，且容易因手部旋转、倾斜或偏离行线而导致识别性能下降。此外，当前用于辅助阅读的商用设备成本较高，难以在资源受限的教育环境中普及。因此，该研究旨在开发一种低成本、便携的辅助阅读系统，通过机械引导结构弥补现有指戴式设备的定位缺陷，为低视力学生提供更稳定的文本获取方案。
研究人员设计并实现了一种基于分布式架构的低成本辅助阅读原型系统，核心思路是将图像采集与处理任务分离：ESP32-CAM模块负责图像采集和无线传输，Android设备承担图像预处理、文本分割、光学字符识别和语音合成等计算密集任务。系统的独特之处在于引入了可移动的机械滑动标尺框架，该结构为相机提供物理参考轨迹，限制不受控制的旋转和横向移动，确保相机与印刷文本保持接近水平的角度，从而减少透视变形和行对齐误差。图像处理流程包括灰度转换、固定阈值二值化、形态学膨胀、中值滤波、强度反转、线性归一化、Canny边缘检测、水平投影行分割和垂直投影词分割。OCR采用Tesseract 5引擎，配置西班牙语语言模型。输出模块通过语音合成逐词朗读文本，并在行首和行尾分别提供蜂鸣声和振动反馈，以帮助用户感知文本结构。为评估系统性能，研究人员招募了6名不同视力损伤程度的参与者（包括学生和家庭主妇，年龄11至30岁），使用包含200个西班牙语单词的文本，在低、中、高三种光照条件下进行试验，每位参与者在每种光照条件下完成两次重复试验，共获得36次试验数据。所有统计推断基于IBM SPSS Statistics 23完成，显著性水平设定为0.05。
研究结果主要包含以下方面：
参与者水平描述性总结：每位参与者在六次试验中的平均、最小和最大WRR表现出个体差异，但由于样本仅包含6人且试验在不同光照条件下完成，这些描述性差异不能视为个体能力差异的证据。
不同光照条件下的描述性性能与比较：描述性统计显示，低光照条件下的平均WRR明显低于中和高光照条件，而后两者平均WRR相近。
重复测量分析的假设检验：Mauchly球形检验未显示违反球形假设，因此采用球形假设行解释重复测量方差分析结果。
光照条件的重复测量方差分析：单因素重复测量方差分析显示，光照条件对WRR有统计学显著影响，说明识别性能在不同光照条件下存在差异。
光照条件之间的配对比较：经Bonferroni校正的配对比较表明，低光照条件下的WRR显著低于中光照和高光照条件，而中、高光照之间无显著差异，说明识别性能的主要下降发生在低光照条件下。
探索性参与者水平分析：使用Spearman秩相关分析平均WRR与年龄、先前阅读经验的关系，结果显示正向但未达统计显著的相关性，因此当前数据不足以支持年龄或阅读经验作为识别性能的预测因素。
分布与变异性分析：箱线图显示低光照条件下WRR中位数为69.75%，高光照下为86.50%，且低光照条件离散程度更大，与推断分析结果一致。
对比分析与实际特性：与FingerReader、EyeRing和HandSight的比较表明，现有指戴系统依赖反馈修正，而本原型通过机械结构提供物理约束，从设计角度回应了定位和校准困难。
讨论与结论方面，本研究的核心发现是，机械滑动标尺框架与低成本便携式架构相结合在技术上可行，系统在36次试验中达到76.53%的总体平均WRR，中位数78.75%，最大97.50%。光照是影响识别性能的关键因素，低光照条件下的性能显著下降，而中、高光照条件之间无显著差异。探索性分析未发现年龄或先前阅读经验与系统性能之间的显著关联。研究明确承认多项局限性，包括样本量小、光照条件顺序未随机化、未记录休息间隔、未计算词错误率和字符错误率、固定阈值和形态学参数未经系统优化、未进行实时延迟基准测试等。因此，该研究提供的仅是技术可行性的初步证据。未来工作需在更大且更多样化的参与者样本、随机化测试序列、受控休息间隔、额外OCR指标、替代阈值方法、参数选择实验以及捕获、传输、OCR和语音合成延迟的定量测量等方面开展进一步验证，以全面刻画系统的时间性能、鲁棒性和在真实教育环境中的实用价值。总体而言，该研究通过将物理机械引导与数字图像处理相结合，为低视力人群的教育可及性提供了一种有别于纯反馈式穿戴设备的新设计思路，其意义在于展示了在一个低于70美元硬件成本的模块中实现有效辅助阅读的潜力，同时明确了走向实际应用仍需攻克的技术与实验挑战。
