Postshirt: Իրական ժամանակի կրելի կեցվածքի հայտնաբերում `9 քայլ

2025 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2025-01-23 14:48

Postshirt- ը իրական ժամանակի անլար կեցվածքի հայտնաբերման համակարգ է, որը փոխանցում և դասակարգում է արագացուցիչի տվյալները Adafruit Feather- ից Android հավելվածին Bluetooth- ի միջոցով: Ամբողջական համակարգը կարող է իրական ժամանակում հայտնաբերել, եթե օգտվողը վատ կեցվածք ունի և ստեղծում է push ծանուցում, երբ օգտագործողը սկսում է թեքվել, հայտնաբերումը գործում է նաև քայլելիս:

Պարագաներ

Էլեկտրոնիկա

1 x Android սմարթֆոն

1 x Adafruit փետուր

1 x լիթիումի իոն պոլիմերային մարտկոց - 3.7v 100mAh (ըստ ցանկության անլար օգտագործման համար)

2 x ADXL335 եռակի առանցքի արագացուցիչ

Նյութեր

Միացման մետաղալար

Rապավենի գլանափաթեթ

Քայլ 1: Տեղադրեք անհրաժեշտ IDE և գրադարաններ

Ադաֆրուտի փետուր

Նախ տեղադրեք Arduino IDE- ն, այնուհետև հետևեք Adafruit nRF51 BLE գրադարան տեղադրելու քայլերին

Jupyter նոթատետր

Նախ տեղադրեք Jupyter Notebook- ը, այնուհետև հետևյալ անհրաժեշտ գրադարանները

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

Android

Տեղադրեք Android Studio- ն

Նախագծի ծածկագիրը

Ներբեռնեք ծրագրի բոլոր ծածկագրերը GitHub- ից

Քայլ 2: Արագացուցիչները միացրեք փետուրին

ADXL335- ից տվյալները կարդալու համար միացրեք լարերը Vin, ground, Xout, Yout և Zout կապումներին: Երկու արագացուցիչ սարքերի համար Vin լարերի մյուս ծայրերը միացրեք Փետուրի 3V կապին, իսկ գրունտի մյուս ծայրերը `Փետուրի գետնին: Միացրեք առաջին արագացուցիչի Xout, Yout և Zout լարերը Փետուրի A0, A1 և A2 կապումներին: Միացրեք երկրորդ արագացուցիչի Xout, Yout և Zout լարերը Փետուրի A3, A4 և A5 կապումներին:

Արագացուցիչները կարող են միացված լինել ցանկացած եղանակով, սակայն լարերը միացնելը և միացման կետերի շուրջ էլեկտրական ժապավենի ջերմամեկուսացումը կամ փաթաթումը առաջարկվում է բաց հատվածների միմյանց հետ շփումից խուսափելու համար:

Քայլ 3: Կցեք արագացուցիչներ վերնաշապիկին

Կասետային ժապավենով ամրացրեք արագացուցիչները վերնաշապիկի հետևի մասում: A0-2 կապումներին միացված արագացուցիչը պետք է տեղադրվի հորիզոնական կենտրոնում ՝ մեջքի միջին ստորին հատվածում: A3-5 կապում ամրացված արագացուցիչը պետք է տեղադրվի հորիզոնական կենտրոնում ՝ պարանոցի հետևի մասում: Երկու արագացուցիչ սարքերը պետք է հավասարեցված լինեն այնպես, որ կապումներն ընկած լինեն ներքևի մասում, և տվիչները պետք է ամրացված լինեն ժապավենով և ամրացված վերնաշապիկին:

Նշում. Ավելի մշտական կրելու համար սենսորները կարող են կարվել հագուստի վրա, բայց դրանք պետք է առաջին հերթին ամրացվեն և փորձարկվեն `ապահովելու համար, որ սենսորների տեղադրություններն արդյունավետ տեղադրվեն:

Քայլ 4. Գործարկեք կոդը Arduino- ում

Փետուրի վերաբերյալ տվյալների հավաքումը սկսելու համար սկսեք Arduino IDE- ն և բացեք GestureDataSender ֆայլը ծրագրի ծածկագրի Arduino բաժնում: Այս ֆայլը բացելով սահմանեք տախտակը և օգտագործվող նավահանգիստը, այնուհետև ընտրեք «Ստուգել» և «Վերբեռնել» ՝ ծածկագիրը փետուրին վերբեռնելու համար:

Քայլ 5: Գործարկեք կոդը Android- ում

Android- ում ծրագիրը գործարկելու համար նախ սկսեք Android Studio- ն, այնուհետև ընտրեք գոյություն ունեցող Android նախագիծը բացելու տարբերակը: Անցեք ծրագրի կոդին և ընտրեք «Android» թղթապանակը: Android Studio- ն որոշ ժամանակ կպահանջի նախագծի ֆայլերը համաժամացնելու համար և կարող է պահանջել տեղադրել որոշ անհրաժեշտ գրադարաններ, ընդունեք այս ընտրանքները: Երբ նախագիծը պատրաստ է, միացրեք Android սարքը համակարգչին և ընտրեք գործարկման տարբերակը պատուհանի վերևում: Ընտրեք սարքը ցուցադրվող հուշումից և այնուհետև թույլ տվեք, որ ծրագիրը միանա սարքին:

Քայլ 6: Bluetooth ազդանշանի միացման փորձարկում

Հավելվածը բացելուց հետո համոզվեք, որ Փետուրը միացված է, այնուհետև հեռախոսում հայտնվող սարքերի ցանկից ընտրեք Adafruit Bluefruit LE- ը: Սպասեք, մինչև սարքը միանա, եթե կապն առաջին անգամ ձախողվի, նախքան վրիպազերծման այլ քայլեր ձեռնարկելը: Սարքը միացնելուց հետո ընտրեք «Կեցվածքի հայտնաբերող» մոդուլը, որը ճիշտ աշխատելու դեպքում կցուցադրի կենդանի թարմացնող գրաֆիկ, ինչպես նաև կեցվածքի և շարժման ընթացիկ կանխատեսումներ: Ստուգելու համար, որ arduino- ն սենսորային տվյալներ է փոխանցում ճիշտ, երկու արագացուցիչները տեղափոխեք պատահական ուղղություններով և ստուգեք, արդյոք գրաֆիկի բոլոր տողերը փոխվում են: Եթե որոշ տողեր անընդհատ հարթ են մնում, համոզվեք, որ արագացուցիչները ճիշտ միացված են Փետուրին: Եթե ամեն ինչ աշխատում է, հագեք վերնաշապիկը և ստուգեք, որ կեցվածքի հայտնաբերումը ճիշտ կանխատեսում է ձեր կեցվածքը: Շնորհավորում եմ: Դուք հաջողությամբ կարգավորել եք կեցվածքի հայտնաբերման համար կրելի սարք: Շարունակեք այս ուսանելի միջոցով սովորել, թե ինչպես ստեղծել ձեր սեփական տվյալների հավաքածուն և հարմարեցնել ձեր սեփական կեցվածքի հայտնաբերումը:

Քայլ 7: Սեփական տվյալների հավաքում

Ձեր սեփական տվյալները հավաքելու համար վերադարձեք մոդուլի ընտրության էկրան և բացեք Data Recorder մոդուլը: Այս էկրանը բացվելուց հետո լրացրեք ձեր հավաքած տվյալների պիտակը. Ձեր տվյալների վրա հեշտությամբ մարզվելու համար դուք պետք է ներառեք «լավ» բառը լավ կեցվածք ունեցող և «վատ» ձայնագրությունների անունով ՝ կեցվածք ունեցող ցանկացած ձայնագրության մեջ: Հավաքագրումը սկսելու համար կտտացրեք «Հավաքել տվյալներ» կոճակին և կատարեք նախատեսված գործողությունը: Ավարտելուց հետո նորից հպեք կոճակին ՝ տվյալները ավարտելու և պահպանելու համար: Բոլոր գրանցված տվյալները կպահվեն «GestureData» անունով թղթապանակում ՝ ձեր ֆայլային համակարգի փաստաթղթերի թղթապանակի տակ: Ձեր բոլոր տվյալների գրանցումն ավարտելուց հետո ֆայլերը պատճենեք ձեր համակարգչին ՝ մոդելների ուսուցման համար:

Քայլ 8. Վերապատրաստեք ձեր տվյալները Jupyter նոթատետրում

Նախագծի սկզբնական կոդը պարունակում է Jupyter Notebook բաժնի «data» թղթապանակում վերապատրաստման համար օգտագործվող բնօրինակ տվյալները, ձեր սեփական տվյալները վերապատրաստելու համար ջնջեք այս թղթապանակի բոլոր ֆայլերը, այնուհետև պատճենեք ձեր սեփական տվյալները թղթապանակում: Այնուհետև գործարկեք Jupyter Notebook- ը և բացեք «PostureDetectorTrainer.ipynb»: Այս նոթատետրը նախագծված է տվյալների թղթապանակի ցանկացած ֆայլ ինքնաբերաբար առանձնացնելու համար ՝ լավ և վատ կեցվածքով, այնուհետև դասակարգելու համար գծային SVM վարժեցնելու համար մոդելին վարժեցնելու համար պարզապես ընտրեք «Բջիջ» բացվող տարբերակը և ընտրեք «Գործարկել բոլորը»: Նոթատետրը կարող է մի քանի րոպե տևել աշխատելու համար, բայց մեկ անգամ ամբողջովին ոլորել այն կետին, որն ապահովում է մոդելի կեցվածքի կանխատեսման ճշգրտությունը: Եթե արդյունքները լավ տեսք ունեն, ապա ոլորեք դեպի հաջորդ բջիջ, որտեղ Java դաս կստեղծվի: Ոլորեք դեպի այս բջիջի ներքևը, մինչև չտեսնեք հատվածի մեկնաբանությունը որպես պարամետր: Պատճենեք այս արժեքները, քանի որ դրանք ձեզ անհրաժեշտ կլինեն հաջորդ քայլին:

Քայլ 9. Android հավելվածի փոփոխում նոր մոդելով

Android հավելվածում մոդելը փոխելու համար օգտագործեք Android Studio- ն ՝ ծրագրի կառուցվածքի java բաժնի ներքո նավարկելու դեպի «PostureDetectorFragment.java» ֆայլը: Այս ֆայլում ոլորեք դեպի «Կեցվածքի դասակարգիչ» մեկնաբանվող բաժինը, որն ունենալու է նույն 4 համապատասխան փոփոխականները, ինչ 4 -ը ՝ Jupyter Notebook- ում: Այս 4 փոփոխականների արժեքները փոխարինեք Jupyter Notebook- ից պատճենված արժեքներով ՝ համոզված լինելով, որ փոփոխականների անունները չեն փոխվում p_vectors, p_coefficients և այլն: սարք. Այժմ հետևեք նույն քայլերին, ինչ նախկինում ՝ Կեցվածքի հայտնաբերման մոդուլը բացելու համար, և դուք պետք է տեսնեք, որ դասակարգիչն այժմ աշխատում է ձեր նոր պատրաստված մոդելի հետ: Եթե այն դեռ լավ չի թվում, ապա պետք է հաշվի առնել հետագա տվյալների գրանցումը և մոդելը վերստեղծելը: Հակառակ դեպքում շնորհավորում եմ: Դուք այժմ ներմուծել եք ձեր սեփական անձամբ վերապատրաստված դասակարգիչը Postshirt!