Контроль зайнятості лікарняного ліжка за допомогою Arduino Nano 33 BLE Sense
Контроль зайнятості лікарняного ліжка за допомогою Arduino Nano 33 BLE Sense
Команда Arduino — 20 лютого 2023 р.
У закладах охорони здоров’я та лікарнях знати, коли ліжка зайняті чи вільні, є важливою інформацією для персоналу, оскільки вони можуть швидше переходити до інших завдань, маючи актуальну інформацію. Система виявлення зайнятості лікарняного ліжка Адама Мілтона-Баркера спрямована на досягнення цієї мети шляхом поєднання вбудованих моделей машинного навчання та підключеного обладнання для збору даних у реальному часі.
Першим кроком Мілтона-Баркера було створення нового проекту Edge Impulse та додавання кількох зразків самого себе, коли він лягав спати, коли був зайнятий, або вставав, щоб повідомити про вакансію, роблячи безперервні вимірювання за допомогою інтегрованого датчика Nano 33 Акселерометр, гіроскоп і магнітометр BLE Sense. Отримані дев’ятиканальні дані, пропущені через блок спектрального аналізу, використовувалися для навчання моделі класифікації, яка здатна точно визначати, коли людина лягає спати чи встає, а також відсутність загальної активності.
Отриману модель було експортовано як бібліотеку Arduino та додано до спеціального ескізу, який об’єднує показання з кожної з трьох осей датчиків і пропускає їх через той самий блок спектрального аналізу та модель, які тепер навчені приймати висновок.
Команда Arduino — 20 лютого 2023 р.
У закладах охорони здоров’я та лікарнях знати, коли ліжка зайняті чи вільні, є важливою інформацією для персоналу, оскільки вони можуть швидше переходити до інших завдань, маючи актуальну інформацію. Система виявлення зайнятості лікарняного ліжка Адама Мілтона-Баркера спрямована на досягнення цієї мети шляхом поєднання вбудованих моделей машинного навчання та підключеного обладнання для збору даних у реальному часі.
Першим кроком Мілтона-Баркера було створення нового проекту Edge Impulse та додавання кількох зразків самого себе, коли він лягав спати, коли був зайнятий, або вставав, щоб повідомити про вакансію, роблячи безперервні вимірювання за допомогою інтегрованого датчика Nano 33 Акселерометр, гіроскоп і магнітометр BLE Sense. Отримані дев’ятиканальні дані, пропущені через блок спектрального аналізу, використовувалися для навчання моделі класифікації, яка здатна точно визначати, коли людина лягає спати чи встає, а також відсутність загальної активності.
Отриману модель було експортовано як бібліотеку Arduino та додано до спеціального ескізу, який об’єднує показання з кожної з трьох осей датчиків і пропускає їх через той самий блок спектрального аналізу та модель, які тепер навчені приймати висновок.
What's Your Reaction?
