Postshirt: Zbulimi i qëndrimit të veshshëm në kohë reale: 9 hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:11

Postshirt është një sistem zbulimi posture pa tel në kohë reale që transmeton dhe klasifikon të dhënat e përshpejtuesit nga një pendë Adafruit në një aplikacion Android përmes Bluetooth. Sistemi i plotë mund të zbulojë në kohë reale nëse përdoruesi ka sjellje të keqe dhe krijon një njoftim push kur përdoruesi fillon të ngadalësohet, zbulimi funksionon edhe gjatë ecjes.

Furnizimet

Elektronikë

1 x Smartphone Android

1 x Pendë Adafruit

1 x Bateri polimer litium -jon - 3.7v 100mAh (opsionale për përdorim pa tel)

2 x Përshpejtues me aks të trefishtë ADXL335

Materiale

Teli lidhës

Rrotull kasetë

Hapi 1: Instaloni IDE dhe Bibliotekat e nevojshme

Pendë Adafruit

Së pari instaloni Arduino IDE dhe më pas ndiqni hapat për të instaluar Bibliotekën Adafruit nRF51 BLE

Fletore Jupyter

Së pari instaloni Jupyter Notebook dhe më pas bibliotekat e mëposhtme të kërkuara

• https://scikit-learn.org/stable/
• https://github.com/nok/sklearn-porter

Android

Instaloni Android Studio

Kodi i Projektit

Shkarkoni të gjithë kodin e projektit nga GitHub

Hapi 2: Lidhni Përshpejtuesit në pendë

Për të lexuar të dhënat nga ADXL335 lidhni tela lidhës me kunjat Vin, ground, Xout, Yout dhe Zout. Për të dy akcelerometrat lidhni skajet e tjera të telave Vin me kunjin 3V në Pupël dhe skajet e tjera të kunjave të tokëzimit me kunjin e tokës në Pendë. Lidhni telat Xout, Yout dhe Zout të përshpejtuesit të parë me kunjat A0, A1 dhe A2 në pendë. Lidhni telat Xout, Yout dhe Zout të përshpejtuesit të dytë me kunjat A3, A4 dhe A5 në pendë.

Përshpejtuesit mund të lidhen në çdo mënyrë, por bashkimi i telave dhe zvogëlimi i nxehtësisë ose mbështjellja e shiritit elektrik rreth pikave të lidhjes sugjerohet për të parandaluar kontaktimin e pjesëve të ekspozuara me njëra -tjetrën.

Hapi 3: Bashkangjitni Përshpejtuesit në Këmishë

Duke përdorur shirit ngjitni akselerometrat në pjesën e pasme të këmishës. Përshpejtuesi i lidhur me kunjat A0-2 duhet të vendoset horizontalisht në qendër në mes të shpinës. Përshpejtuesi i lidhur me kunjat A3-5 duhet të vendoset horizontalisht në qendër në pjesën e pasme të qafës. Të dy përshpejtuesit duhet të jenë të rreshtuar në mënyrë që kunjat të jenë përgjatë anës së poshtme dhe sensorët duhet të jenë të fiksuar të sheshtë dhe të sigurt kundër këmishës.

Shënim: Për një veshje më të përhershme, sensorët mund të qepen në veshje, por ato duhet të ngjiten dhe testohen së pari për të siguruar që vendosjet e sensorëve janë pozicionuar në mënyrë efektive.

Hapi 4: Drejtimi i Kodit në Arduino

Për të filluar mbledhjen e të dhënave mbi Feather filloni Arduino IDE dhe hapni skedarin GestureDataSender nën seksionin Arduino të kodit të projektit. Me këtë skedar të hapur vendosni tabelën dhe portin që po përdoret dhe më pas zgjidhni "Verifiko" dhe "Ngarko" për të ngarkuar kodin në pendë.

Hapi 5: Ekzekutimi i Kodit në Android

Për të ekzekutuar aplikacionin në android, filloni së pari Android Studio dhe më pas zgjidhni opsionin për të hapur një projekt ekzistues Android. Shkoni te kodi i projektit dhe zgjidhni dosjen "Android". Android Studio do të marrë pak kohë për të sinkronizuar skedarët e projektit dhe mund të kërkojë instalimin e disa bibliotekave të kërkuara, pranoni këto opsione. Pasi projekti të jetë gati lidhni pajisjen Android në kompjuter dhe zgjidhni opsionin e ekzekutimit në krye të dritares. Zgjidhni pajisjen nga kërkesa që shfaqet dhe më pas lini që aplikacioni të ndërtohet në pajisje.

Hapi 6: Testimi i lidhjes së sinjalit Bluetooth

Pasi të jetë hapur aplikacioni, sigurohuni që Feather të jetë i ndezur dhe më pas zgjidhni Adafruit Bluefruit LE nga lista e pajisjeve që shfaqet në telefon. Prisni që pajisja të lidhet, nëse lidhja dështon për herë të parë provoni lidhjen para se të ndërmerrni hapa të tjerë të korrigjimit. Pasi pajisja të jetë lidhur zgjidhni modulin "Detector Posture" i cili nëse punon siç duhet do të shfaqë një grafik të azhurnimit të drejtpërdrejtë, si dhe parashikimet aktuale të qëndrimit dhe lëvizjes. Për të provuar që arduino po komunikon të dhënat e sensorit, lëvizni të dy akselerometrat në drejtime të rastësishme dhe kontrolloni nëse të gjitha linjat në grafik ndryshojnë. Nëse disa rreshta mbeten vazhdimisht të sheshta sigurohuni që përshpejtuesit të jenë lidhur siç duhet me Pendën. Nëse gjithçka funksionon, vishni këmishën dhe provoni që zbulimi i sjelljes është duke parashikuar saktë sjelljen tuaj. Urime! Ju keni vendosur me sukses një detektim të sjelljes që mund të vishet. Vazhdoni përmes këtij udhëzuesi për të mësuar se si të krijoni grupin tuaj të të dhënave dhe të personalizoni zbulimin tuaj të qëndrimit.

Hapi 7: Mbledhja e të dhënave tuaja

Për të mbledhur të dhënat tuaja kthehuni në ekranin e përzgjedhjes së modulit dhe hapni modulin Data Recorder. Pasi të jetë hapur ky ekran plotësoni etiketën për të dhënat që do të grumbulloni; në mënyrë që të stërviteni lehtësisht mbi të dhënat tuaja, duhet të përfshini fjalën "mirë" në emër të çdo regjistrimi me qëndrim të mirë dhe "të keq" në çdo regjistrim me qëndrim. Për të filluar mbledhjen trokitni lehtë mbi butonin "Mblidhni të dhëna" dhe kryeni veprimin tuaj të synuar, kur të keni mbaruar prekni përsëri butonin për të përfunduar dhe ruajtur të dhënat. Të gjitha të dhënat e regjistruara do të ruhen në një dosje të quajtur "GestureData" nën dosjen e dokumenteve të sistemit tuaj të skedarëve. Kur të keni mbaruar regjistrimin e të gjitha të dhënave tuaja, kopjoni skedarët në kompjuterin tuaj për trajnimin e modelit.

Hapi 8: Trajnimi i të dhënave tuaja në Jupyter Notebook

Kodi fillestar i projektit përmban të dhënat origjinale të përdorura për trajnim në dosjen "të dhëna" nën seksionin Jupyter Notebook, për trajnimin e të dhënave tuaja fshini të gjithë skedarët në këtë dosje dhe më pas kopjoni të dhënat tuaja në dosje. Pastaj ekzekutoni Jupyter Notebook dhe hapni "PostureDetectorTrainer.ipynb". Ky fletore është krijuar për të ndarë automatikisht çdo skedar në dosjen e të dhënave me qëndrim të mirë dhe të keq dhe më pas të trajnojë një SVM linear për klasifikim për të trajnuar modelin, thjesht zgjidhni drop down "Cell" dhe zgjidhni "Run All". Fletorja mund të marrë një moment për tu ekzekutuar, por sapo të lëvizni plotësisht deri në pikën që siguron saktësinë e parashikimit të qëndrimit për modelin, nëse saktësia është e ulët, ju mund të dëshironi të siguroheni që regjistrimet tuaja të mëparshme të jenë të vërteta të sakta dhe të qëndrueshme. Nëse rezultatet duken të mira atëherë lëvizni në qelizën tjetër ku do të jetë krijuar një klasë Java. Shkoni në fund të kësaj qelize derisa të shihni një pjesë të komentuar si parametra. Kopjoni këto vlera pasi do t'ju nevojiten në hapin tjetër.

Hapi 9: Modifikimi i Aplikacionit Android Me Model të Ri

Për të ndryshuar modelin në aplikacionin Android përdorni Android Studio për të lundruar te skedari "PostureDetectorFragment.java" nën seksionin java të strukturës së projektit. Në këtë skedar lëvizni poshtë në pjesën e komentuar si "Klasifikuesi i qëndrimit" i cili do të ketë të njëjtat 4 ndryshore përkatëse si 4 të krijuara në Jupyter Notebook. Zëvendësoni këto 4 vlera të ndryshoreve me vlerat e kopjuara nga Jupyter Notebook, duke qenë të sigurt që emrat e ndryshoreve nuk ndryshohen nga p_vectors, p_coefficients, etj. Pasi të jetë bërë kjo, ruani skedarin dhe zgjidhni opsionin Run përsëri për të ndërtuar aplikacionin tuaj pajisje Tani ndiqni të njëjtat hapa si më parë për të hapur modulin e Detector Posture dhe duhet të shihni klasifikuesin që tani punon me modelin tuaj të sapo stërvitur. Nëse ende nuk duket se funksionon mirë, duhet të konsideroni regjistrimin e të dhënave të mëtejshme dhe rikrijimin e modelit. Ndryshe urime! Tani keni importuar klasifikuesin tuaj të trajnuar personalisht në Postshirt!