Postshirt: Realtime Wearable Posture Detection: 9 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26

Postshirt er et trådløst system til detektering af kropsholdning i realtid, der sender og klassificerer accelerometerdata fra en Adafruit Feather til en Android -applikation via Bluetooth. Hele systemet kan registrere i realtid, hvis brugeren har en dårlig kropsholdning og opretter en push -meddelelse, når brugeren begynder at slakke, detektionen fungerer også, mens han går.

Forbrugsvarer

Elektronik

1 x Android -smartphone

1 x Adafruit fjer

1 x litiumionpolymerbatteri - 3,7v 100mAh (valgfrit til trådløs brug)

2 x ADXL335 triple-axis accelerometer

Materialer

Tilslutningstråd

Rulle tape

Trin 1: Installer nødvendige IDE'er og biblioteker

Adafruit fjer

Installer først Arduino IDE, og følg derefter trinene for at installere Adafruit nRF51 BLE -bibliotek

Jupyter notesbog

Installer først Jupyter Notebook og derefter følgende påkrævede biblioteker

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

Android

Installer Android Studio

Projektkode

Download hele projektkoden fra GitHub

Trin 2: Led accelerometerene til fjer

For at aflæse data fra ADXL335'erne forbindes tilslutningskablet til Vin-, jord-, Xout-, Yout- og Zout -stifterne. For begge accelerometre forbindes de andre ender af Vin -ledningerne til 3V -stiften på fjeren og de andre ender af jordstifterne til jordstiften på fjeren. Tilslut Xout-, Yout- og Zout -ledningerne på det første accelerometer til A0-, A1- og A2 -benene på fjeren. Tilslut Xout-, Yout- og Zout -ledningerne på det andet accelerometer til A3-, A4- og A5 -benene på fjeren.

Accelerometerne kan tilsluttes på enhver måde, men lodning af ledninger og varmekrympning eller indpakning af elektrisk tape omkring forbindelsespunkterne foreslås for at forhindre udsatte sektioner i at komme i kontakt med hinanden.

Trin 3: Fastgør accelerometre til skjorte

Ved hjælp af tape fastgør du accelerometre bag på skjorten. Accelerometeret, der er forbundet til ben A0-2, skal placeres vandret i midten i midten af nedre del af ryggen. Accelerometeret, der er forbundet til stifterne A3-5, skal placeres vandret i midten bag på nakken. Begge accelerometre skal justeres, så stifterne er langs undersiden, og sensorerne skal tapes fladt og fastgøres mod trøjen.

Bemærk: For en mere permanent slid kan sensorerne sys på tøjet, men de skal tapes og testes først for at sikre, at sensorplaceringerne er effektivt placeret.

Trin 4: Kørsel af kode på Arduino

For at begynde at indsamle data om fjeren skal du starte Arduino IDE og åbne filen GestureDataSender under Arduino -sektionen i projektkoden. Med denne fil åben skal du indstille kortet og den port, der bruges, og vælg derefter "Bekræft" og "Upload" for at uploade koden til fjer.

Trin 5: Kørsel af kode på Android

For at køre applikationen på Android skal du først starte Android Studio og derefter vælge muligheden for at åbne et eksisterende Android -projekt. Naviger til projektkoden, og vælg mappen "Android". Android Studio tager et stykke tid at synkronisere projektfilerne og kan anmode om at installere nogle nødvendige biblioteker, accepter disse muligheder. Når projektet er klart, skal du tilslutte Android -enheden til computeren og vælge indstillingen Kør øverst i vinduet. Vælg enheden fra den prompt, der vises, og lad derefter programmet bygge til enheden.

Trin 6: Test af Bluetooth -signalforbindelse

Når appen er åben, skal du kontrollere, at fjer er tændt, og derefter vælge Adafruit Bluefruit LE fra enhedslisten, der vises på telefonen. Vent på, at enheden opretter forbindelse, hvis forbindelsen mislykkes første gang, prøv igen at oprette forbindelse, før du tager andre fejlfindingstrin. Efter at enheden er blevet tilsluttet, vælges modulet "Posture Detector", der, hvis det fungerer korrekt, viser en live opdateringsgraf samt de aktuelle forudsigelser om kropsholdning og bevægelse. For at teste, at arduino kommunikerer sensordata, skal du flytte de to accelerometre korrekt i tilfældige retninger og kontrollere, om alle linjerne på grafen ændres. Hvis nogle linjer forbliver konstant flade, skal du sørge for, at accelerometrene er korrekt forbundet til fjeren. Hvis alt fungerer, skal du tage trøjen på og teste, at detekteringen af kropsholdning korrekt forudsiger din kropsholdning. Tillykke! Du har med succes opsat en holdbarhedsdetektering. Fortsæt gennem denne instruks for at lære, hvordan du opretter dit eget datasæt og tilpasser din egen kropsdetektering.

Trin 7: Indsamling af dine egne data

For at indsamle dine egne data vender du tilbage til skærmen til valg af modul og åbner modulet Data Recorder. Når denne skærm er åbnet, skal du udfylde etiketten for de data, du vil indsamle; for let at træne på dine data bør du inkludere ordet "godt" i navnet på alle optagelser med god kropsholdning og "dårlig" i alle optagelser med kropsholdning. For at begynde at indsamle skal du trykke på knappen "Indsaml data" og udføre den påtænkte handling. Når du er færdig, skal du trykke på knappen igen for at afslutte og gemme dataene. Alle de registrerede data gemmes i en mappe med navnet "GestureData" under dokumentmappen i dit filsystem. Når du er færdig med at registrere alle dine data, skal du kopiere filerne til din computer til modeltræning.

Trin 8: Træning af dine data på Jupyter Notebook

Den oprindelige projektkode indeholder de originale data, der blev brugt til træning i mappen "data" under afsnittet Jupyter Notebook, for at træne dine egne data slette alle filerne i denne mappe og derefter kopiere dine egne data til mappen. Kør derefter Jupyter Notebook og åbn "PostureDetectorTrainer.ipynb". Denne notesbog er designet til automatisk at adskille alle filer i datamappen ved god og dårlig kropsholdning og derefter træne en lineær SVM til klassificering til at træne modellen, vælg blot rullemenuen "Celle" og vælg "Kør alle". Den bærbare computer kan tage et øjeblik at køre, men når den er færdig, skal du rulle til det punkt, der giver nøjagtigheden til forudsigelse af kropsholdning for modellen, og hvis nøjagtigheden er lav, vil du muligvis sikre, at dine tidligere optagelser er nøjagtige og konsistente grundsandheder. Hvis resultaterne ser godt ud, skal du rulle til den næste celle, hvor der vil være genereret en Java -klasse. Rul til bunden af denne celle, indtil du ser en del kommenteret som parametre. Kopier disse værdier, da du får brug for dem i det næste trin.

Trin 9: Ændring af Android -applikation med ny model

Hvis du vil ændre modellen i Android -applikationen, skal du bruge Android Studio til at navigere til filen "PostureDetectorFragment.java" under java -afsnittet i projektstrukturen. I denne fil skal du rulle ned til afsnittet kommenteret som "Posture classifier", som vil have de samme 4 tilsvarende variabler som de 4 genereret i Jupyter Notebook. Udskift disse 4 variabels værdier med de værdier, der er kopieret fra Jupyter Notebook, og sørg for, at variabelnavnene ikke ændres fra p_vektorer, p_koefficienter osv. Når dette er gjort, gemmer du filen og vælger Kør igen for at oprette programmet til din enhed. Følg nu de samme trin som før for at åbne Posture Detector -modulet, og du skal se klassifikatoren nu arbejde med din nyuddannede model. Hvis det stadig ikke ser ud til at fungere godt, bør du overveje at optage yderligere data og genskabe modellen. Ellers tillykke! Du har nu importeret din egen personligt uddannede klassifikator til Postshirt!