本网页已闲置超过3分钟,按键盘任意键或点击空白处,即可回到网页

基于TinyML 的肩部恢复设备

发布时间:2022-06-18
分享到:

基于TinyML 的肩部恢复设备

发布时间:2022-06-18
分享到:

这款小型 AI 设备将确保您每天进行所有必需的运动,从而恢复肩袖运动损伤。

硬件组件

  • Arduino Nano 33 BLE Sense×    1    
  • ElectroPeak 0.96" OLED 64x128 显示模块×    1    
  • TP4056×    1    
  • 电池,3.7 V    ×    1    

软件应用程序和在线服务

  • Arduino IDE
  • 边缘脉冲工作室    

肩袖损伤在运动员和反复做体力劳动动作的工人中很常见(甚至偶尔发生在弹吉他的作家/发明家身上)

无论如何,tinyML 设备可以帮助我恢复吗?

说明:这只是一个实验项目,如有必要,您应该向您的医生咨询专业治疗。

肩袖是一组围绕肩关节的肌肉和肌腱,将上臂骨头牢牢地固定在肩部的浅窝内。肩袖损伤会导致肩部隐隐作痛,当手臂远离身体时,这种疼痛通常会恶化。为避免疼痛,通常减少肩部运动。肩袖的物理治疗需要4个多月,因此价格昂贵,有些人永远无法恢复完整的肩部运动。

那么用于识别和跟踪所需肩部运动的小型 AI 设备呢?

如何跟踪运动

可以使用多种方法,但有一种专门为这项工作设计的设备:加速度计。加速度计测量加速度。“由振动或运动变化引起的力会导致质量挤压压电材料,从而产生与施加在其上的力成正比的电荷”

但是,如果我们不以完全相同的方式进行运动怎么办?他们仍然需要被追踪。我们如何识别这些运动?通过机器学习,我们可以教设备进行稍微不同的重复,然后根据百分比进行推断。

这样的发展有多难?事实证明,有一个 Arduino BLE 33 Sense 内置加速度计,并与最好的机器学习框架兼容。使用正确的工具,不会那么复杂。

电路

Oled 屏幕 VCC 到 Arduino 3.3v,GND 到 Arduino GND,SDA 到 A4,SCL 到 A5。将电池连接到 TP4056 电池引脚,将 TP4056 输出连接到 Arduino VIN 和 GND。您还可以在 TP4056 + 和 Arduino VIN 之间进行切换。

软件和服务

  • Arduino IDE
  • Edge Impulse 免费帐户

3D打印案例

使用 Fusion 360,该项目的外壳易于设计。外壳只有 2 个部分。它是用PLA印刷的。只需要身体的支持。您还需要 4 x 3 毫米螺丝和更小的螺丝来固定 Oled 屏幕。

训练模型
除非您想用新动作训练设备或只是想了解如何训练机器学习模型,否则您可以跳过这一部分,但有趣的是知道现在使用 AI 有多么容易。

转到Edge Impulse,创建一个免费帐户,登录仪表板,使用 microUSB 电缆连接 Arduino BLE 33 Sense,然后转到数据采集,记录新数据,使用 WebUSB 连接。将出现一个弹出窗口以选择正确的 USB 端口,然后……您已准备就绪。

将 BLE 绑在你的手臂上,将时间范围设置为 180 秒,63.5hz,分配标签 Right 并开始一遍又一遍地对相同的肩部运动进行采样,并进行微小的变化,一点点到一侧,另一侧,不同的速度等。然后,对左边和天花板做同样的事情。这个模型训练有 4 个动作(右、左、上和空闲),但当然你可以使用更多。

现在去脉冲设计,创造脉冲。在时间序列数据中,您可以设置窗口大小——用于分类的数据大小(以毫秒为单位)——以及大于窗口的样本的大小增加。让我们使用 2000 和 80。那么对于数据的频率 63.5hz

在光谱分析中,我们将选择 3 个轴:x、y、z。对于分类,我们将使用 Keras。我们将点击保存冲动。我们将单击左侧栏中的光谱特征。在那里我们可以缩放轴、应用过滤器并查看设备性能。然后我们去神经网络分类器。将训练周期设置为 35 左右,学习率设置为 0.0005,20% 的样本用于验证。

最后一步是将模型部署到 Arduino 库。将提供一个 zip 文件。该 zip 文件应作为 Arduino IDE 的 Zip 库添加。

如果我们转到示例,即 Edge Impulse 中的项目名称,我们将获得一个可以使用的推理代码。选择 Nano BLE 33 加速度计连续。该代码将读取 Arduino 加速度计数据并使用串行监视器打印推断。

所以在这一点上,我们离制造设备还不是很远。我们将添加到基本推理代码 Oled 屏幕库,以便我们可以在屏幕上打印而不是使用串行监视器,我们将为每个动作、每日限制和防反弹机制添加计数器(以避免计数器增加两次相同的动作)

注意:如果您要下载代码,请考虑使用左肩训练模型。如果您需要使用右肩,则应在对侧进行数据采集。

完整的代码可以在附件部分找到。

设置
您可能希望在上传之前更改 .ino 文件中的这些硬编码设置:每个循环要达到的重复次数。

int rightLimit=10;
int leftLimit=10;
int upLimit=5;

您还可以更改分类器参数,例如最小置信度,预定义为 65%

ei_classifier_smooth_init(&smooth, 10 /* no. of readings */, 7 /* min. readings the same */, 0.65 /* min. confidence */, 0.3 /* max anomaly */);

总结
即使我完成了整个项目——电路、编码、数据采集、培训和外壳——制作你自己的设备来从伤病中恢复仍然听起来不可思议,对吧?

如果您想制作 Rotary Cuff Recovery 的第 2 版,为每天的动作添加 eeprom 永久存储会很有用。并且可以使用该信息生成图表。还有一个小型旋转编码器,用于配置每个运动的预测置信度或限制等设置。

定制零件和外壳

肩袖损伤

代码

肩袖恢复-带有 TinyML Edge Impulse 模型和 Arduino BLE 33 Sense 的 .ino 代码的 Zip 库

* 以上内容翻译自网络,原作者:罗尼班迪尼,如涉及侵权可联系删除。

加入微信技术交流群

技术交流,职业进阶

关注与非网服务号

获取电子工程师福利

加入电路城 QQ 交流群

与技术大牛交朋友

讨论