Esta computadora portátil GIGA R1 con Wi-Fi detecta gotas usando un modelo de transformador
Esta computadora portátil GIGA R1 con Wi-Fi detecta gotas usando un modelo de transformador
Equipo Arduino — 28 de abril de 2023
Para las personas de 65 años o más, las caídas pueden ser uno de los problemas de salud más graves a los que se enfrentan, ya sea por una movilidad reducida o por una disminución de la coordinación general. Al reconocer este problema, Naveen Kumar se dispuso a producir un dispositivo portátil de detección de caídas que tiene como objetivo aumentar la velocidad a la que esto sucede mediante el uso de un modelo basado en transformador en lugar de un modelo de red neuronal recurrente (RNN) más tradicional.
Debido a que este proyecto necesitaba ser rápido y consumir solo pequeñas cantidades de corriente, Kumar optó por el nuevo Arduino GIGA R1 WiFi debido a su procesador Arm de doble núcleo STM32H74XI, WiFi/Bluetooth® integrado y su capacidad de interfaz con una amplia variedad de sensores. Después de conectar un acelerómetro de tres ejes ADXL345, se dio cuenta de que recopilar varias horas de muestras a mano llevaría demasiado tiempo, por lo que descargó el conjunto de datos de SisFall, ejecutó un script de Python para analizar los datos de muestra en un formato compatible con Edge Impulse, luego importó los archivos JSON resultantes a un nuevo proyecto. Cuando terminó, usó la API para dividir cada muestra en segmentos de cuatro segundos y luego usó la función de edición de bloques de Keras para crear un modelo de Transformer reducido.
El resultado después del entrenamiento fue un gran modelo de 202K que podía determinar con precisión si se estaba produciendo una caída el 96 % de las veces. La implementación entonces fue tan fácil como usar la función de la biblioteca Arduino en un boceto para ejecutar una inferencia y mostrar el resultado a través de un LED, aunque las iteraciones futuras pueden aprovechar la conectividad de GIGA R1 WiFi para enviar una alerta si se detecta un accidente. Puede encontrar más información aquí en el artículo de Kumar.
Equipo Arduino — 28 de abril de 2023
Para las personas de 65 años o más, las caídas pueden ser uno de los problemas de salud más graves a los que se enfrentan, ya sea por una movilidad reducida o por una disminución de la coordinación general. Al reconocer este problema, Naveen Kumar se dispuso a producir un dispositivo portátil de detección de caídas que tiene como objetivo aumentar la velocidad a la que esto sucede mediante el uso de un modelo basado en transformador en lugar de un modelo de red neuronal recurrente (RNN) más tradicional.
Debido a que este proyecto necesitaba ser rápido y consumir solo pequeñas cantidades de corriente, Kumar optó por el nuevo Arduino GIGA R1 WiFi debido a su procesador Arm de doble núcleo STM32H74XI, WiFi/Bluetooth® integrado y su capacidad de interfaz con una amplia variedad de sensores. Después de conectar un acelerómetro de tres ejes ADXL345, se dio cuenta de que recopilar varias horas de muestras a mano llevaría demasiado tiempo, por lo que descargó el conjunto de datos de SisFall, ejecutó un script de Python para analizar los datos de muestra en un formato compatible con Edge Impulse, luego importó los archivos JSON resultantes a un nuevo proyecto. Cuando terminó, usó la API para dividir cada muestra en segmentos de cuatro segundos y luego usó la función de edición de bloques de Keras para crear un modelo de Transformer reducido.
El resultado después del entrenamiento fue un gran modelo de 202K que podía determinar con precisión si se estaba produciendo una caída el 96 % de las veces. La implementación entonces fue tan fácil como usar la función de la biblioteca Arduino en un boceto para ejecutar una inferencia y mostrar el resultado a través de un LED, aunque las iteraciones futuras pueden aprovechar la conectividad de GIGA R1 WiFi para enviar una alerta si se detecta un accidente. Puede encontrar más información aquí en el artículo de Kumar.
What's Your Reaction?
