本文要介绍的是一种无需触摸的细菌消毒设备，可以消毒从口罩、钱包到手机的任何东西，使用紫外线c杀死最大限度的细菌。动机:我一直想做一些对社会和世界有用的东西。在做了几个电子和物联网方面的科学项目后，我想利用我的技能，让大多数一线员工都能从中受益。由于持续的大流行，情况发生了很大变化。我们需要到处戴口罩，经常洗手等。我发现的一个问题是，在外面用完手机或其他东西后，我们经常忘记消毒，或者用液体消毒剂消毒。因此，我想做一个可以帮助人们远离细菌的东西，通过消毒他们的必需品，而不接触消毒机本身。在当今时代，电子垃圾已经成为对环境的主要威胁。因此，这个项目主要依赖于尽可能有效地利用电子垃圾。理论:紫外线c通过破坏细菌的细胞膜和改变它们的DNA/RNA来杀死细菌这就是做这个项目的主要想法。紫外线消毒室已经上市，但它们都缺乏的一个主要特点是，360度的全表面消毒。这个项目克服了这些限制，通过在消毒一个表面后自动翻转物品来消毒所有的表面。主要特点:完全用光360度消毒还可以杀死冠状病毒UV-C基础交互显示可调定时器长达12小时工作:微控制器连续监测红外传感器附近的任何障碍。一旦在距离很近的地方有障碍物，在所需的时间内(在本例中为1.5秒)，根据LCD上显示的内容触发一个事件。当打开托盘事件被触发时，步进电机被驱动到打开托盘所需的步数。同样，当关闭托盘事件被触发时，步进器被驱动，直到限位开关显示红色标志(开关改变其状态)，托盘被关闭。定时器可以设置为默认值，也可以通过测量超声波传感器和手之间的距离来设置。选择消毒选项后，继电器打开，从而打开UV-C灯。消毒一个表面后，在UV灯还亮着的情况下，在伺服电机的帮助下，物品自动翻转。最后，消毒后的托盘再次由步进电机打开。过程:第一步：收集东西因为这个项目是由电子垃圾，你需要首先收集部分。你需要的东西:一台老式平板扫描仪/嵌入式扫描仪(来自打印机)旧的CPU盒几何形状的盒子然后，您将需要前一节中列出的所有部分。第二步：建立案例和托盘拆卸扫描仪并取出扫描仪的下部，该下部将有扫描头和与之相连的步进电机。这将用于将物品带进和带出消毒机。把电线焊接到步进电机上，使它们足够长，可以连接到面包板上。在底座的末端固定一个限位开关，这样我们就可以在启动MCU时确定扫描头的位置。把扫描头里面的灯拿掉，你可以稍后再用。将一个牢固的底座(托盘)固定在扫描头上。要消毒的东西放在托盘上。现在拿出几何盒子，把盖子和底座分开。将这两个连接到伺服电机上，伺服电机将用于翻转这些物品。现在固定伺服电机设置与托盘，这样他们可以提起项目和翻转他们。确保您使用一个强大的伺服像一个金属齿轮的一个，例如MG90S伺服。现在将托盘安装到扫描头上。你应该得到这样的结果:拆卸CPU外壳的前部，使其在一侧完全打开。现在用螺丝将扫描仪的下部与CPU外壳连接起来。必要时打孔。第三步：电路和传感器主微控制器板是ArduinoMKRWiFi1010，副微控制器板是ArduinoUno。根据下面示意图部分给出的电路给出连接。红外传感器固定在顶部面板的前面，超声波传感器固定在中间，显示器应该在角落，用户可以清楚地看到。UV-C灯应该放在顶部面板的下方，在一个合理的位置，以便最大。大量的光落在放在托盘上的物品上。测试每个部分，包括电机和传感器，因为你把它们连接到MCU。使连接伺服的电线足够长，这样就不会停止托盘从完全出来。对我来说，完成的电路看起来是这样的，但要使连接尽可能整齐。第四步：上传代码所提供的代码是完全模块化的，调用函数，你需要执行的同时检查电路。代码:这个函数将在打开ArduinoMKRWiFi1010后执行，因此在构建项目时，您可以通过注释其余的代码来检查各个组件的工作情况。voidexecute(){DisplayControl(1);//Displayopentrayoptiondelay(1000);sense_1();//Tosensesensor1DisplayControl(2);//DisplaystatusmessageTraverserControl(1);//OpenthetrayDisplayControl(3);//DisplayClosetrayoptionsense_2();//Tosensesensor2DisplayControl(9);//DisplaystatusmessageTraverserControl(0);//ToclosethetrayDisplayControl(4);//Todisplaydefaulttimeintval=sense_1_2_();//Tosensebothsensorsforinputif(val==0)//Ifuserselectsto{DisplayControl(5);//Displaydisinfectingmessagedisinfect();//Startdisinfection}else{changeTime();//TochangedefaulttimingDisplayControl(5);//Displaydisinfectingmessagedisinfect();//Startdisinfection}sense_1();DisplayControl(6);//DisplaystatusmessageTraverserControl(1);//Toopenthetraysense_1();DisplayControl(9);//DisplaystatusmessageTraverserControl(0);//ToclosethetrayDisplayControl(7);//Displaythankyoumessage}您可以在下面的代码部分中找到完整的程序。最终模型:完成在构建项目时，您可能会遇到一些硬件错误，尝试修复它们并继续前进。记住:“永不放弃”。该项目多次未能正常工作，需要多次修改才能达到最佳解决方案。所以，聪明的工作和奉献精神，使你可以达成任何事情!ArduinoMKRWiFi1010-YMLabsGermsDisinfectingMachine.ino：//_________//\\//||/\||\\//\\//\\//__||/__\||__//\\__////\\//\\||//\\||\\_\\////\\//\\|||||//\\||__//\\__////AYMLabsProduction////////////////////////////////////////////////ForStepperMotor-Pins//constintstepPin=3;//constintdirPin=4;//////////////////////////////////////////////////ForLCD////Libraries//#include//#include//#include////I2CObject,//LiquidCrystal_I2Clcd(0x3F,2,1,0,4,5,6,7);//////////////////////////////////////////////////ForUltrasonicSensor////Triggerpinandechopin//constintpingPin=7;//constintechoPin=6;////Distance//longduration,cm;//////////////////////////////////////////////////ForLimitswitch////Settingpinandvalue//constintb_ls=A3;//intbls_val=LOW;//////////////////////////////////////////////////ForIRSensors////Settingthepinsandvalues//constintir1=A4;//constintir2=A5;//intval1=0;//intval2=0;//////////////////////////////////////////////////Fortimers//longinttime1,time2;//inttimer=1000;//longintdis_time=12500*60;//////////////////////////////////////////////////ForUVlight//constintuv_pin=1;//////////////////////////////////////////////////ForServo//constintservopin=9;////////////////////////////////////////////////voidsetup(){////////////////////////////////////////////////SettinguptheTraverser////SettingStepperMotorpins//pinMode(stepPin,OUTPUT);//pinMode(dirPin,OUTPUT);//////EnablingpulldownforLimitSwitch//pinMode(b_ls,INPUT_PULLDOWN);//////Setdirectiontobackward//digitalWrite(dirPin,LOW);////------------------------------------------////Bringthetraversertotheposition//while(bls_val==LOW)//{//digitalWrite(stepPin,HIGH);//delay(1);//digitalWrite(stepPin,LOW);//delay(1);////Continuouslyreadswitchvalue//bls_val=digitalRead(b_ls);//}//////////////////////////////////////////////////SetuptheLCD//lcd.begin(16,2);//For16*2LCD//lcd.clear();//lcd.home();//lcd.print("UVCBased");//lcd.setCursor(0,1);//lcd.print("Disinfector");//delay(4000);//////////////////////////////////////////////////SetuptheUltrasonicSensor//pinMode(pingPin,OUTPUT);//pinMode(echoPin,INPUT);//////////////////////////////////////////////////SetuptheIRsensors//pinMode(ir1,INPUT);//pinMode(ir2,INPUT);//////////////////////////////////////////////////SetupUVlightenablepin//pinMode(uv_pin,OUTPUT);//////////////////////////////////////////////////Disableflip//pinMode(servopin,OUTPUT);//digitalWrite(servopin,LOW);////////////////////////////////////////////////}voidloop(){execute();}voidexecute(){DisplayControl(1);//Displayopentrayoptiondelay(1000);sense_1();//Tosensesensor1DisplayControl(2);//DisplaystatusmessageTraverserControl(1);//OpenthetrayDisplayControl(3);//DisplayClosetrayoptionsense_2();//Tosensesensor2DisplayControl(9);//DisplaystatusmessageTraverserControl(0);//ToclosethetrayDisplayControl(4);//Todisplaydefaulttimeintval=sense_1_2_();//Tosensebothsensorsforinputif(val==0)//Ifuserselectsto{DisplayControl(5);//Displaydisinfectingmessagedisinfect();//Startdisinfection}else{changeTime();//TochangedefaulttimingDisplayControl(5);//Displaydisinfectingmessagedisinfect();//Startdisinfection}sense_1();DisplayControl(6);//DisplaystatusmessageTraverserControl(1);//Toopenthetraysense_1();DisplayControl(9);//DisplaystatusmessageTraverserControl(0);//ToclosethetrayDisplayControl(7);//Displaythankyoumessage}//TocontrolthedisplayvoidDisplayControl(inta){lcd.clear();lcd.home();switch(a){case1:lcd.print("Donottouch:)");lcd.setCursor(0,1);lcd.print("1toOpentray");break;case2:lcd.print("Openingtray");lcd.setCursor(0,1);lcd.print("Pleasewait...");break;case3:lcd.print("Placetheitems");lcd.setCursor(0,1);lcd.print("2toclosetray");break;case4:lcd.print("Defaulttime:");lcd.setCursor(0,1);lcd.print("12.5Minutes");delay(4000);lcd.clear();lcd.home();lcd.print("1tocontinue");lcd.setCursor(0,1);lcd.print("2tochangetime");break;case5:lcd.print("Disinfecting...");lcd.setCursor(0,1);lcd.print("Emergencystop1");break;case6:lcd.print("Openingtray...");lcd.setCursor(0,1);lcd.print("1toclosetray");break;case7:lcd.print("Thankyoufor");lcd.setCursor(0,1);lcd.print("usingYMLabsDM");break;case8:lcd.print("Invalidchoice");lcd.setCursor(0,1);lcd.print("Tryagain");break;case9:lcd.print("Closingtray");lcd.setCursor(0,1);lcd.print("Pleasewait...");break;default:lcd.print("WelcometoYMLabs!");}}voiddisinfect(){digitalWrite(uv_pin,HIGH);delay(dis_time/2);digitalWrite(servopin,HIGH);delay(1010);digitalWrite(servopin,LOW);delay(dis_time/2);digitalWrite(uv_pin,LOW);}//Asimplerecursivefunctiontosensetherightgestureofthehandonsensor1intsense_1(){do{val1=digitalRead(ir1);}while(val1==0);time1=millis();while(val1==1){val1=digitalRead(ir1);time2=millis();if((time2-time1)>timer){return0;}}sense_1();}//Asimplerecursivefunctiontosensetherightgestureofthehandonsensor2intsense_2(){do{val2=digitalRead(ir2);}while(val2==0);time1=millis();while(val2==1){val2=digitalRead(ir2);time2=millis();if((time2-time1)>timer){return0;}}sense_2();}//Asimplerecursivefunctiontosensetherightgestureofthehandonbothsensorsintsense_1_2_(){do{val1=digitalRead(ir1);val2=digitalRead(ir2);}while(val1==0&&val2==0);if(val1==1&&val2==1){DisplayControl(8);delay(2000);sense_1_2_();}time1=millis();while(val1==1){val1=digitalRead(ir1);time2=millis();if((time2-time1)>timer){return0;}}while(val2==1){val2=digitalRead(ir2);time2=millis();if((time2-time1)>timer){return1;}}sense_1_2_();}//TocontrolthesteppermotorusingtheA4988drivervoidTraverserControl(inty){if(y==0){digitalWrite(dirPin,LOW);//Setthedirectiombls_val=digitalRead(b_ls);//Readthelimitswitchwhile(bls_val==LOW)//Whiletraversernotattheend{digitalWrite(stepPin,HIGH);delay(1);digitalWrite(stepPin,LOW);delay(1);bls_val=digitalRead(b_ls);//Movethetraverserandreadthelimitswitch}}else{digitalWrite(dirPin,HIGH);//Setthedirectiomfor(intx=0;x{digitalWrite(stepPin,HIGH);delay(1);digitalWrite(stepPin,LOW);delay(1);}}}//TochangethetimeofdisinfectionintchangeTime(){while(val1==0){lcd.clear();lcd.home();lcd.print("Timer:");longdist=calcDistance();//Calculatethedistance//Setthetiminginaccordancewiththedistancebetweenthehandandthesensorif(dist>=1&&dist{lcd.print("30min.");dis_time=1000*60*30;}elseif(dist>5&&dist{lcd.print("1Hr.");dis_time=1000*60*60;}elseif(dist>10&&dist{lcd.print("2Hrs.");dis_time=1000*60*60*2;}elseif(dist>15&&dist{lcd.print("4Hrs.");dis_time=1000*60*60*4;}elseif(dist>20&&dist{lcd.print("8Hrs.");dis_time=1000*60*60*8;}elseif(dist>25&&dist{lcd.print("12Hrs.");dis_time=1000*60*60*12;}else{lcd.print("12.5Min.");dis_time=12500*60;}lcd.setCursor(0,1);lcd.print("1tosetTimer");delay(500);val1=digitalRead(ir1);}//Repeatuntilthetimerissetwhile(val1==1){lcd.clear();lcd.home();lcd.print("TimerSet");delay(2000);return0;}}//TocalculatethedistancebetweenthesensorandthehandlongcalcDistance(){digitalWrite(pingPin,LOW);delayMicroseconds(2);digitalWrite(pingPin,HIGH);delayMicroseconds(10);digitalWrite(pingPin,LOW);duration=pulseIn(echoPin,HIGH);cm=microsecondsToCentimeters(duration);returncm;}//ToconvertthemicrosecondstodistanceincmlongmicrosecondsToCentimeters(longmicroseconds){returnmicroseconds/29/2;}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：YeshvanthMuniraj，如涉及侵权，可联系删除。

高质量的微型离心机通常太贵，大多数人买不起。该项目旨在提供低成本的替代方案。简介微型离心机是任何生物医学实验室的必备设备。然而，像这样的生物医学设备对于大多数爱好者来说通常都太贵了，所以我开发了这个离心机来帮助降低一个合适的微型离心机的成本。什么是微型离心机?微型离心机是一种设备，以很高的转速旋转样品，以分离和纯化样品中的材料。微离心机的一个常见用途是差速离心，它用于从细胞样本中分离细胞器和核酸(如DNA)。高质量、可靠的微型离心机的价格从1000美元起，入门级微型离心机的价格约为300-700美元。这对许多业余爱好者和其他人来说太贵了，所以我开始开发自己的开源微离心机。项目影响该项目的目标贫困学校和资金不足、买不起适当设备的医院。我希望这个项目将对许多人有用，并能在其他方面无法提供机会的领域开辟机会。设计过程1.硬件对于这个项目，我将使用Arduino101，因为我正在参加发明未来比赛。不过不幸的是，我没有赢得Arduino101，所以我买了一个。我想让这个设备联网，以便把它集成到我即将到来的互联网连接生物黑客实验室，并将最终开发一个应用程序，可以集成这些设备，以提供无缝的实验室体验。为了制作离心机，我需要一个马达，它可以以很高的转速旋转，以产生足够的向心力来分离细胞样本。我决定使用一个3.5英寸的硬盘，因为它可以以7200转/分钟的速度旋转，并且应该能够产生高达4400克的功率！因为我想让这个离心机尽可能的用户友好，同时给用户最大的控制权，我选择增加一个液晶显示器，电位器，和几个按钮，这样我就可以开发一个有用的设备界面。我还想增加一个互联网控制的离心机接口，使设备更容易使用。为了能够使用硬盘驱动器，我们需要移除硬盘驱动器的所有部分，除了电机。为了做到这一点，我们需要从使用TORX扳手去除背板上的PCB开始。我没有正确大小的torx扳手，所以我只是撕下了PCB。我并不打算使用它，虽然它应该是好的。现在已经取下了PCB，翻转硬盘驱动器，并开始删除螺丝在红色圈的区域。一旦你做对了，你应该能够撬开保护板。现在，您已经拆卸了前板，然后您可以拆卸针的硬盘驱动器通过拆卸顶部磁铁撬出它与螺丝刀。它只是被两块磁铁的力粘在了一起。取下它们的时候要小心，因为磁铁的吸力非常强大，我之前在玩它们的时候很多次不小心压到了我的手指。只要能够把上面的磁铁拿掉，剩下的就很简单了！只要取下针铰链上的螺丝，然后取下针。然后你就可以继续拆卸固定第二个磁铁的其他螺丝了。完成之后，取下固定盘片的螺丝，取下盘片和垫片。布线要控制硬盘驱动器，我们必须添加一个ESC(电子速度控制器)到设备。我使用的是一个标准的爱好ESC，常用在爱好飞机，因为它运行12v，和硬盘运行12v。为了给ESC和硬盘提供足够的电源，你可以使用任何12v电源，但我找不到，所以我使用了一个标准的计算机电源。我把一个跳线连接到绿色的电线和一个GND端子上，这样它一插进去就能接通电源。你也可以添加一个电源开关来增加一些额外的控制设备。将ESC连接到12v轨和GND上。然后将ESC的PWM线缆连接到GND、5V和D7。从5v和GND接一个电位器，中间端接A0。然后你可以测试一下电机的接线。测试/基本的原型上传以下代码到Arduino101：#includeServoesc;intthrottlePin=0;voidsetup(){esc.attach(9);}voidloop(){intthrottle=analogRead(throttlePin);throttle=map(throttle,0,1023,0,179);esc.write(throttle);}要连接电机到ESC，你必须做一个连续性测试，检查是否在硬盘驱动器的底部的引脚连接或不。你也可以随机焊接在ESC的电线上的针上的硬盘驱动器电机，并切换他们如果电机不工作，因为有6个可能的组合，只有2个工作正常。这些代码和线路应该足以开发一个基本的离心机。3D打印照片：安装和测试之后，我们就可以改进代码和界面了。我在Arduino上添加了格罗夫盾(GroveShield)和液晶显示器(LCD)，并在程序中添加了RPM指示器。不能完全依靠它的读数，因为它提供的估计基于电位器上的读数，而不是电机。下面是v0.1代码的副本:#include#include"rgb_lcd.h"#includeServoesc;rgb_lcdlcd;intthrottlePin=0;voidsetup(){//setuptheLCD'snumberofcolumnsandrows:lcd.begin(16,2);//PrintamessagetotheLCD.lcd.print("Initializing...");esc.attach(9);lcd.setRGB(50,50,50);}voidloop(){lcd.clear();intthrottle=analogRead(throttlePin);throttle=map(throttle,0,1023,0,179);intthrottlepercent=(throttle*100)/179;intmyRPM=7200/(100-throttlepercent);esc.write(throttle);//Turnoffthedisplay:lcd.print("Speed:");if(myRPM==-1){lcd.print("7200");}elseif(myRPMlcd.print("0");}else{lcd.print(myRPM);}lcd.print("RPM");delay(50);}该设备工作时的照片：V0.1Code(Current)：#include#include"rgb_lcd.h"#includeServoesc;rgb_lcdlcd;intthrottlePin=0;voidsetup(){//setuptheLCD'snumberofcolumnsandrows:lcd.begin(16,2);//PrintamessagetotheLCD.lcd.print("Initializing...");esc.attach(9);lcd.setRGB(50,50,50);}voidloop(){lcd.clear();intthrottle=analogRead(throttlePin);throttle=map(throttle,0,1023,0,179);intthrottlepercent=(throttle*100)/179;intmyRPM=7200/(100-throttlepercent);esc.write(throttle);//Turnoffthedisplay:lcd.print("Speed:");if(myRPM==-1){lcd.print("7200");}elseif(myRPMlcd.print("0");}else{lcd.print(myRPM);}lcd.print("RPM");delay(50);}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：kemfic，如涉及侵权，可联系删除。

一个简单的倒数计时器，监督你洗手至少20秒。在当前全球新冠大流行的情况下，情况似乎相当可怕。冠状病毒可能在任何地方。一个人可能会携带病毒几天而没有任何症状，光是这一点就确实令人感到害怕。但是不要太害怕，我们有一些简单的方法可以对抗这种病毒。一是正确地洗手，我们的手是各种细菌的主要载体。我们频繁地触摸我们的眼睛、鼻子和嘴巴，甚至都没有注意到。不洗手的手的细菌也可能进入我们的食物中，其中一些甚至可能在食物中生长，当我们吃那些东西时，它们可能会使我们严重生病。用肥皂洗手可以杀死它们。但你认为你应该洗手多长时间?以往你洗手的时候是不是只是单纯在手上稍微挠5秒钟，然后洗掉它?如果我们真的计算一下我们洗手的时间，我们大多数人只洗了10秒，这绝对不够。不知道你有没有唱过生日快乐歌，在大约2段的时间我们能够做到正确洗手。所以在科技实验室，我们想做一些简单的东西，一些强迫我们至少洗20秒的东西。这个简单的计时器就放在你的洗手皂机旁边。它的顶部有一个传感器，当你把手放在肥皂机前时，它会检测到。然后它开始倒数20秒，点亮一个又一个LED。一旦绿色LED灯亮起，你洗手的时间足够杀死大部分细菌，你可以用水洗掉肥皂。第一步：如何工作这个项目超级简单，这样任何人都可以在周末就能够完成它。并且可以和孩子们一起做，不仅有趣还具有教育意义，在当前情况下绝对有用。这个倒计时计时器的大脑是一个“Arduino”。这是一种可以用个人电脑编程的微型计算机。Arduinos被广泛用于学习、原型制作甚至实际产品。如果你没有任何使用经验，也不用担心，我们会轻松地向你介绍整个过程，你将能够开始使用Arduino，如果你喜欢它的想法，你甚至可以用它做更多未来的项目。Arduino连接到一个超声波距离传感器和6个led。Arduino通过距离传感器发送超声波，并检查声波反射回传感器所需的时间。利用时间，它可以测量前方任何物体的距离。Arduino一直在读取传感器，等待你的手出现在20厘米以内。只要Arduino在20厘米范围内检测到什么东西，它就会打开红色的LED灯，等待4秒钟，让你在手上洗点水和肥皂。然后开始20秒倒计时。最终，5个蓝色led灯在20秒内一个接一个亮起。一旦绿色的LED灯亮起，你洗手的时间足够长了，可以把肥皂冲洗掉了。第二步：制作面包板版本您可以构建这个项目的两个版本。一种是在无焊料面包板上，另一种是在veroboard或perfboard上。如果你不知道如何焊接或有非常少的经验，我们鼓励你做面包板版本，因为它不需要焊接。如果您想制作面包板版本，我们推荐使用ArduinoUno，因为ArduinoNano需要焊接。在面包板上制作这个项目非常简单。我们只需要将Arduino连接到传感器和6个led。你可以按照下面提供的图片，展示如何连接ArduinoUno和Nano，无论你喜欢哪种味道。我们用跳线把所有东西连接在一起。别忘了检查LED的极性。较长的引脚通常是正引脚，所以较长的引脚应该连接到Arduino数字引脚。另一端较短的引脚应连接到Arduino的接地(GND)引脚上。第三步：制作Veroboard/Perfboard版本如果你有一些电子方面的经验，你知道如何焊接，你可以把它焊接到一个可焊板上，甚至可以设计一个自己的PCB。下面提供了原理图，这里是EasyEDA设计文件，以便您可以轻松导出PCB。焊接时，确保LED极性正确。你也可以在所有的led上增加150欧姆的电阻，这样它们的使用寿命就更长了。我们排除了电阻，使这个项目对初学者来说更友好。根据我们的测试，不使用电阻也是完全可以正常运行的，led似乎是刚刚好。它们会持续相当长的时间，因为它们每次只被点亮4秒。第四步：上传代码一旦我们完成了电路的构建，就该把代码上传到Arduino板上了。如果您以前从未使用过Arduino，我们建议您阅读Arduino官方网站上的入门文档。您必须将ArduinoIDE(集成开发环境)安装到您的计算机或笔记本电脑上。我们在代码中编写了许多注释，以便新手易于理解。现在用附带的电缆把Arduino连接到电脑上。使用ArduinoIDE在您的计算机上打开代码。在Tools>Board中，选择您正在使用的Arduino。对我们来说是ArduinoNano。还要从Tools>port中为您的Arduino选择端口。接下来，点击左上角的上传按钮。上传应该开始了。你应该得到一个“完成上传”的消息一旦它完成。如果在上传时出现错误，请确保选择了正确的板和端口。尝试不同的移植，直到它起作用。如果您使用的是旧的ArduinoNano，您可能还需要更改处理器，您可以在Tools>processor中找到该选项。第五步：测试功能一旦你成功上传了代码，在把它放入一个附件之前，是时候检查计时器是否正常工作了。正常情况下，所有的LED灯应该是灭的。把你的手放在传感器前面，红色的LED应该是亮的。最后所有的LED灯以4秒的间隔打开，最后点亮绿色的LED灯。恭喜！你的定时器可以正常工作了!如果一切都不能正常工作，首先检查你与超声波传感器的连接。它很容易错误地连接传感器引脚倒置。如果一个LED不亮，检查它的连接和极性。如果仍然不工作，尝试更换LED。第六步：制作外壳一旦你完成了电路的建设，把它们都放在一个外壳可能是一个好办法。外壳能够给你的计时器带来专业的外观，并保护它免受水花飞溅。只要看起来不错，外壳几乎可以由任何东西制成。用一些不会弄湿的东西就行了。你可以发挥你的创造力，用你喜欢的方式来制作它。它可以由一个小的塑料食品容器，木头，纸板，3D打印或任何其他东西，你的想象力是极限。发挥你的创造力来画出你喜欢的围栏。对于我们的外壳，我们希望它完全从头开始。所以我们用了我们到处都有的旧电源插座盒。我们使用了一些直接焊接到Arduino上的电线，连接到LED上，还有一些头线连接到传感器上。我们用一些旧的碳乙烯基覆盖我们的车，给它一个美学的外观。最后，我们使用的简单材料的效果非常好。我们场地的尺寸如上图所示。如果你喜欢，可以随意使用相同的尺寸。第七步:完成!到了这一步，就算成功了！因为你刚刚给自己做了一个洗手倒计时计时器。这个简单的项目可以帮助你远离我们周围可怕的病毒和细菌。在测试中，我们发现在使用这个计时器之前，我们洗手的时间实际上要短得多。这也可以鼓励孩子们更经常洗手，因为看计时器倒计时很有趣。你可以做一些，在上面画上你最喜欢的人物，把它放在你家里所有的肥皂机前面。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：TheTechLab，如涉及侵权，可联系删除。

这是一个可以用于跑步时监测心率的相当方便的设备。这个项目是我的心脏监测项目的第二次迭代，前一个是在胸部显示心跳，并通过电线连接到uECG。虽然看起来很酷，但根本不实用，您无法清楚地看到当前数值到底是多少，同时它也超出了你的正常视野，并且将其连接到uECG设备的电线会给传感器本身带来很多问题，所以它在你运行时基本上不起作用。这个版本解决了所有这些问题：它是戴在手腕上的，所以你可以在注视道路的同时看到它，它是无线的，所以读数不会失真，它真的很适合跑步，让你可以跟踪心脏负荷。1.组件与之前的项目一样，所有的工作都由uECG完成-它测量数据并计算板载BPM。而且，当它切换到直接链接模式时，它会通过与通用nRF24芯片兼容的无线电协议发送所有这些信息（连同我们在这里没有使用的高分辨率ECG数据）。所以第二个关键组件是nRF24模块。而且ArduinoNano的尺寸正好适合放在一个小的LED环下方，所以我将它用作控制器。2.原理图连接nRF24模块并不简单，您必须连接所有SPI线（MISO，MOSI，SCK，CS），还有芯片使能线和电源。而且，如果您希望它具有相当小的尺寸-必须移除所有排针，并将电线直接焊接到焊盘上。所以单独连接nRF需要7根线，14个焊点。好在其他操作都很简单：LED灯环需要1根数据线和2根电源线，另外2根电源线进入电池连接器。连接列表如下：nRF24pin1(GND)-Arduino的GNDnRF24pin2(Vcc)-Arduino的3.3vnRF24pin3(ChipEnable)-Arduino'sD9nRF24pin4(SPI:CS)-Arduino'sD8nRF24pin5(SPI:SCK)-Arduino的D13nRF24引脚6(SPI:MOSI)-Arduino的D11nRF24引脚7(SPI:MISO)-Arduino的D12LED环电源-Arduino的5VLED环GND-Arduino的GNDLED环DI-Arduino的D5电池正极(红色）-Arduino的5V电池负极（黑色）-Arduino的GND（注意电池需要连接器，因此可以断开和充电）重要提示：您不能将MOSI、MISO、SCK线连接到任何其他Arduino引脚。SPI硬件位于D11、D12、D13上，如果不在那里连接将无法工作。所有其他引脚都可以更改（如果在程序中进行相应更改）。3.程序这里关于软件的唯一复杂的事情是射频通道配置。在我意识到uECG和nRF24对管道地址使用不同的位顺序之前，我花了很长时间试图让它工作。基本上我们只是读取传入的数据包，使用它们的第5个字节作为BPM，并对其进行过滤（RF通道是嘈杂的，所以你时不时地得到随机值而不是正确的读数，并且出于兼容性原因，硬件CRC被禁用）。之后，BPM被转换为颜色和活动像素的数量，仅此而已。#include#ifdef__AVR__#include#endif#include#include#include#includeintrf_cen=9;//nRF24chipenablepinintrf_cs=8;//nRF24CSpinRF24rf(rf_cen,rf_cs);//pipeaddress-hardcodedonuECGsideuint8_tpipe_rx[8]={0x0E,0xE6,0x0D,0xA7,0,0,0,0};//WhichpinontheArduinoisconnectedtotheNeoPixels?#definePIN5//HowmanyNeoPixelsareattachedtotheArduino?#defineNUMPIXELS16Adafruit_NeoPixelpixels=Adafruit_NeoPixel(NUMPIXELS,PIN,NEO_GRB+NEO_KHZ800);uint8_tswapbits(uint8_ta){//uECGpipeaddressusesswappedbitsorder//reversethebitorderinasinglebyteuint8_tv=0;if(a&0x80)v|=0x01;if(a&0x40)v|=0x02;if(a&0x20)v|=0x04;if(a&0x10)v|=0x08;if(a&0x08)v|=0x10;if(a&0x04)v|=0x20;if(a&0x02)v|=0x40;if(a&0x01)v|=0x80;returnv;}voidsetup(){pixels.begin();//ThisinitializestheNeoPixellibrary.for(inti=0;ipixels.setPixelColor(i,pixels.Color(1,1,1));}pixels.show();//nRF24requiresrelativelyslowSPI,probablywouldworkat2MHztooSPI.begin();SPI.setBitOrder(MSBFIRST);SPI.beginTransaction(SPISettings(1000000,MSBFIRST,SPI_MODE0));for(intx=0;xpipe_rx[x]=swapbits(pipe_rx[x]);//configureradioparametersrf.begin();rf.setDataRate(RF24_1MBPS);rf.setAddressWidth(4);rf.setChannel(22);rf.setRetries(0,0);rf.setAutoAck(0);rf.disableDynamicPayloads();rf.setPayloadSize(32);rf.openReadingPipe(0,pipe_rx);rf.setCRCLength(RF24_CRC_DISABLED);rf.disableCRC();rf.startListening();//listenforuECGdata//NotethatuECGshouldbeswitchedintorawdatamode(vialongbuttonpress)//inordertosendcompatiblepackets,bydefaultitsendsdatainBLEmode//whichcannotbereceivedbynRF24}longlast_pix_upd=0;bytein_pack[32];intrf_bpm=0;intbpm_hist[5];//sincewedisabledCRC,needtofilterincomingdatavoidloop(){if(rf.available()){rf.read(in_pack,32);intbb=in_pack[5];//BPMislocatedatthe5thbyteofthepacket//detailedpacketstructureisinuECGdocs//sincewehavenoCRCforcompatibilityreasons,weneedtofilter//incomingdata,radiochannelcouldbenoisy.Wecomparelast5//receivedBPMvaluesanduseoneonlyifall5werethesame.//SinceuECGsendsabout100packetspersecond,itwon'tcause//anynoticeabledelayindisplayingdatafor(intn=0;nbpm_hist[n]=bpm_hist[n+1];bpm_hist[4]=bb;//addnewbpmvaluefor(intn=0;nif(bpm_hist[n]!=bb)bb=-1;if(bb>0)//ifyes-storeitasnewreceivedBPMrf_bpm=bb;}longms=millis();if(ms-last_pix_upd>10)//don'tupdatepixelstoooften{intr,g,b;last_pix_upd=ms;intbpm=rf_bpm;intmax_bright=160;//valueofmaximumbrightness,max255.Butyoudon'talwayswantitatmax:)floatdd=25;//changeinBPMbetweencolortones(blue->green->yellow->pink->red)floatt1=90,t2,t3,t4;//t1-"base"BPM,lowerthant1wouldbebluet2=t1+dd;t3=t2+dd;t4=t3+dd;//codeforchangingcolordependinginwhicht1...t4rangewearenowif(bpmelseif(bpmelseif(bpmelseif(bpmelse{r=max_bright;g=0;b=0;}inton_pixels=(bpm-80)/8;//sinceit'sintendedforrunning,I'mnot//showinganythinglessthan80BPM,thiswayit'smoresensitivein//highloadareafor(inti=0;i{//pixelsaresetfromlasttofirstfornoparticularreason,would//workjustasfineifsetfromfirsttolastif(ielsepixels.setPixelColor(NUMPIXELS-i-1,pixels.Color(0,0,0));//turnoffallotherLEDs}pixels.show();}}4.腕带组装当所有电线都焊接好后，程序就会闪烁，并且您确认已收到uECG数据，之后是时候将它们放在一起了。我选择了一种非常简单的方法将它们固定在一起——导热胶。由于零件本身几乎已经适合（纳米适合外环尺寸，nRF24模块适合内环尺寸，而电池虽然不适合任何部件，但也不妨。不知道它是如何工作的，但我只是粘上它在那里，实际效果居然出奇的好。然后我把它缝到手边的一个随机腕带上（焊接站包的剩余物，一个用于焊接时接地的带），就是这样！5.测试为了测试项目，我戴上它跑了一次，整体下来，除了一个意外发现，它都工作得非常好。我使用了这样的设置，在192BPM时所有LED都亮起，因为根据相关建议，这样的心率对于我的身体来说负荷太高了。令人惊讶的是，我在短短几分钟内就超过了它，甚至没有注意到这一点。我起初认为这可能是传感器错误，但最后检查发现，其实不是的；而且当我停下来时，它并没有立即下降，而是缓慢放松（当没有进行太多运动时，传感器是100%可靠的）。所以事实证明，有一段时间我的训练远高于我的健康阈值。有趣的是：我从小就非常喜欢运动，但我在十几岁的时候就有心脏问题，随着时间的推移它们似乎消失了。但通过这次我从经验中得知，任何高于快走的负荷对我来说真的很难，但我一直在训练——随着时间的推移，这增加了我的极限，以至于现在我认为自己非常适合。不过现在有一个题外话问题：由于青春期的心脏问题，我的BPM是否比正常水平高，或者我真的太用力了而没有意识到这一点？无论如何，我必须对它做点什么——要么增加显示器上的最大BPM，要么减少训练强度。总的来说，这也算是做这个项目的意外收获。bpm_watch.ino：#include#ifdef__AVR__#include#endif#include#include#include#includeintrf_cen=9;//nRF24chipenablepinintrf_cs=8;//nRF24CSpinRF24rf(rf_cen,rf_cs);//pipeaddress-hardcodedonuECGsideuint8_tpipe_rx[8]={0x0E,0xE6,0x0D,0xA7,0,0,0,0};//WhichpinontheArduinoisconnectedtotheNeoPixels?#definePIN5//HowmanyNeoPixelsareattachedtotheArduino?#defineNUMPIXELS16Adafruit_NeoPixelpixels=Adafruit_NeoPixel(NUMPIXELS,PIN,NEO_GRB+NEO_KHZ800);uint8_tswapbits(uint8_ta){//uECGpipeaddressusesswappedbitsorder//reversethebitorderinasinglebyteuint8_tv=0;if(a&0x80)v|=0x01;if(a&0x40)v|=0x02;if(a&0x20)v|=0x04;if(a&0x10)v|=0x08;if(a&0x08)v|=0x10;if(a&0x04)v|=0x20;if(a&0x02)v|=0x40;if(a&0x01)v|=0x80;returnv;}voidsetup(){pixels.begin();//ThisinitializestheNeoPixellibrary.for(inti=0;ipixels.setPixelColor(i,pixels.Color(1,1,1));}pixels.show();//nRF24requiresrelativelyslowSPI,probablywouldworkat2MHztooSPI.begin();SPI.setBitOrder(MSBFIRST);SPI.beginTransaction(SPISettings(1000000,MSBFIRST,SPI_MODE0));for(intx=0;xpipe_rx[x]=swapbits(pipe_rx[x]);//configureradioparametersrf.begin();rf.setDataRate(RF24_1MBPS);rf.setAddressWidth(4);rf.setChannel(22);rf.setRetries(0,0);rf.setAutoAck(0);rf.disableDynamicPayloads();rf.setPayloadSize(32);rf.openReadingPipe(0,pipe_rx);rf.setCRCLength(RF24_CRC_DISABLED);rf.disableCRC();rf.startListening();//listenforuECGdata//NotethatuECGshouldbeswitchedintorawdatamode(vialongbuttonpress)//inordertosendcompatiblepackets,bydefaultitsendsdatainBLEmode//whichcannotbereceivedbynRF24}longlast_pix_upd=0;bytein_pack[32];intrf_bpm=0;intbpm_hist[5];//sincewedisabledCRC,needtofilterincomingdatavoidloop(){if(rf.available()){rf.read(in_pack,32);intbb=in_pack[5];//BPMislocatedatthe5thbyteofthepacket//detailedpacketstructureisinuECGdocs//sincewehavenoCRCforcompatibilityreasons,weneedtofilter//incomingdata,radiochannelcouldbenoisy.Wecomparelast5//receivedBPMvaluesanduseoneonlyifall5werethesame.//SinceuECGsendsabout100packetspersecond,itwon'tcause//anynoticeabledelayindisplayingdatafor(intn=0;nbpm_hist[n]=bpm_hist[n+1];bpm_hist[4]=bb;//addnewbpmvaluefor(intn=0;nif(bpm_hist[n]!=bb)bb=-1;if(bb>0)//ifyes-storeitasnewreceivedBPMrf_bpm=bb;}longms=millis();if(ms-last_pix_upd>10)//don'tupdatepixelstoooften{intr,g,b;last_pix_upd=ms;intbpm=rf_bpm;intmax_bright=160;//valueofmaximumbrightness,max255.Butyoudon'talwayswantitatmax:)floatdd=25;//changeinBPMbetweencolortones(blue->green->yellow->pink->red)floatt1=90,t2,t3,t4;//t1-"base"BPM,lowerthant1wouldbebluet2=t1+dd;t3=t2+dd;t4=t3+dd;//codeforchangingcolordependinginwhicht1...t4rangewearenowif(bpmelseif(bpmelseif(bpmelseif(bpmelse{r=max_bright;g=0;b=0;}inton_pixels=(bpm-80)/8;//sinceit'sintendedforrunning,I'mnot//showinganythinglessthan80BPM,thiswayit'smoresensitivein//highloadareafor(inti=0;i{//pixelsaresetfromlasttofirstfornoparticularreason,would//workjustasfineifsetfromfirsttolastif(ielsepixels.setPixelColor(NUMPIXELS-i-1,pixels.Color(0,0,0));//turnoffallotherLEDs}pixels.show();}}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：DmytroDziuba，如涉及侵权，可联系删除。

本文介绍的是一种智能患者监测系统，通过基于传感器的连接网络自动监测患者的健康状况。该系统专为Covid-19患者设计。几个传感器用于收集患者的生物行为。然后将有意义的生物信息转发到物联网云。该系统更加智能，可以通过处理传感器数据来检测患者的危急情况，并立即向医生/护士以及医院负责人提供推送通知。医生和护士通过远程观察他们的相应患者而无需亲自访问，从而受益于该系统。患者的亲属也可以在访问受限的情况下从该系统中受益。描述我们使用了一个ThingsUNO（Lora开发板）作为这个监控系统的主控制器。ThingsUNO板从各种传感器收集有关患者健康参数的信息（在硬件组件列表部分中进行了描述）。TheThingsUNO还负责将数据传输到LoraGateway（TheThingsGateway）。Lora网关与AWS云连接。AWSIoT云平台用作该系统的IoT云。硬件组件列表患者的紧急情况通过简单的数学公式-I确定，其中关于阈值水平的详细数学符号在下表中详细说明。我们开发了一个用于可视化传感器数据的移动应用程序。各种图表和仪表已用于显示实时传感器数据，其中包含患者的当前健康参数（当前健康状况）。通过这个应用程序，医生或护士可以远程监控他们的病人，而无需访问ICU单元。由于智能的性质，系统将患者的紧急情况推送给相应的医生或护士，其中方程-I通过处理传感器数据来确定患者的紧急情况。医院负责人（ICU负责人）还通过我们基于Web的云连接桌面应用程序（如图所示）一次持续监控一名以上的患者，从而提高了ICU病房的效率。结论我们在该项目中描述的建议系统允许医生或护士以及医院负责人允许他们实时监控ICU单元中的患者，从而提高效率和服务质量。后续如果能将这个系统修改为可穿戴设备，那会是一个非常巨大的受益点，它能够使我们能够从任何地方远程监控老年人或婴儿。source：#include#include#include#include#include//SetyourAppEUIandAppKeyconstchar*appEui="0000000000000000";constchar*appKey="00000000000000000000000000000000";#defineloraSerialSerial1#definedebugSerialSerial//ReplaceREPLACE_MEwithTTN_FP_EU868orTTN_FP_US915#definefreqPlanREPLACE_ME//VARIABLETOHOLDTHESENSORSDATAintbpm;intspo2;floattemp;//thesealevelpresureinyourregion(****)Adafruit_BME280bme;//BME280SensnordeclarationunsignedlongcurrentMillis;//holdthecurrenttime//pulseoximetertimeperiod(measurmenttimeperiod)#defineREPORTING_PERIOD_MS1000PulseOximeterpox;uint32_ttsLastReport=0;//Callback(registeredbelow)firedwhenapulseisdetectedvoidonBeatDetected(){//Serial.println("Beat!");}voidmeasured_pulse(){pox.update();if(millis()-tsLastReport>REPORTING_PERIOD_MS){bpm=pox.getHeartRate();tsLastReport=millis();}}TheThingsNetworkttn(loraSerial,debugSerial,freqPlan);voidsetup(){loraSerial.begin(57600);debugSerial.begin(9600);//Waitamaximumof10sforSerialMonitorwhile(!debugSerial&&millis();debugSerial.println("--STATUS");ttn.showStatus();debugSerial.println("--JOIN");ttn.join(appEui,appKey);Serial.println(F("BME280test"));Serial.println("InitializingMAX30100");pox.begin();pox.setOnBeatDetectedCallback(onBeatDetected);boolstatus;status=bme.begin();if(!status){Serial.println("CouldnotfindavalidBME280sensor,checkwiring!");while(1);}pinMode(7,OUTPUT);pinMode(A0,INPUT);pinMode(8,INPUT);pinMode(6,INPUT);}voidloop(){debugSerial.println("--LOOP");h_rate=analogRead(A0);button=digitalRead(8);temperature=pox.getTemperature();spo2=pox.getSpO2();bpm=bpm;humidity=bme.readHumidity();movement=digitalRead(6);bytepayload[6];payload[0]=highByte(bpm);payload[1]=lowByte(temperature);payload[2]=highByte(humidity);payload[3]=lowByte(movement);payload[4]=lowByte(spo2);payload[5]=lowByte(button);payload[6]=lowByte(h_rate);debugSerial.print("Temperature:");debugSerial.println(temperature);debugSerial.print("Humidity:");debugSerial.println(humidity);debugSerial.print("BPM:");debugSerial.println(bpm);debugSerial.print("SPO2:");debugSerial.println(spo2);debugSerial.print("H_rate:");debugSerial.println(h_rate);debugSerial.print("Button:");debugSerial.println(button);debugSerial.print("Movement:");debugSerial.println(movement);ttn.sendBytes(payload,sizeof(payload));delay(20000);}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：IoT-Bangladesh，如涉及侵权，可联系删除。

我们的目标是为人类带来适当的心脏护理。及早发现这些病变对于有效治疗至关重要。背景根据世界卫生组织的数据，中低收入国家的主要死因与心脏病有关，即使在中高收入国家，也位居前三。尽管高收入国家可以获得医疗保健、控制和治疗，但在发展中国家，这种获得是有限且昂贵的。在这些情况下，人们会患上心脏病，如果在疾病的早期阶段没有得到适当的治疗，可能会致命。该项目的目的是制作出能够检测不同心脏疾病的功能性且具有成本效益的设备的第一个原型。该设备将允许人们进行初步诊断。在每一分钟都很重要的低收入国家，即使是医生也可以提高他们的时间效率。此外，在中高收入国家，该设备将有助于人们获得初步诊断并鼓励在发现某些情况时去看医生，从而避免一些可避免的死亡。解决方案为了解决这个问题，我们正在构建一种基于低成本部件的小型便携式设备。该设备将包含一个具有处理能力的主板（如STM32F407G-DISC1），用于读取ECG信号的电子设备和一个显示分析结果的小屏幕。目前，真正的心电图设备既重又昂贵。这些设备设计为高度可靠且信号清晰。由于我们的设备是为初步诊断而设计的，并且数据将通过软件进行分析，因此数据不需要人体需要的所有细节和信号清洁度。降低细节和过滤级别，该设备变得轻巧、便宜且实用。由于其低功耗的特性，这将允许很容易地运送到偏远的土地并使用电池甚至可再生能源（太阳能、风能）供电。如何工作该设备有一些连接到患者身体的导线。这导致测量与心脏行为相关的体内电压变化。我们收到的这个信号通过STM32F407G-DISC1的模数转换器进行放大和测量。然后数据由具有项目主要处理能力的微控制器处理。微控制器将有一个神经网络，该网络之前使用大量数据集进行训练，将分析和分类心脏信号，并尝试检测可能的病变。我们计划对接收到的数据加上神经网络的输出进行可视化表示，以便将分析结果告知患者/医生。第一部分第一部分旨在获取和放大心电图的信号，以便微控制器可以读取它。一旦数据已经数字化，微控制器会将其发送到RaspberryPi3，神经网络将在其中提取参数并生成结果。rPi将不断地将数据发送到TFT，其中包含ECG的当前测量值和神经网络分类的结果。理论：心电图心电图(ECG/EKG)是我们的心脏在跳动时产生的电压信号。每个节拍都是一系列的收缩和放松，需要电信号以特定的顺序流过肌肉。该信号在皮肤上传播，可以使用正确的传感器进行测量。它们是用身体两点之间的电压差来计算的。这些信号可以在我们身体的几个点之间测量，产生不同的波。在我们的例子中，我们专注于展示更常见的模式，称为QRS模式，前面是P波，然后是Q波。这个信号是使用3个电极测量的，两个在肩膀附近，一个在臀部。QRS复合波的形状可用于确定几种病理和心率。心电图中显示的健康心脏和病变心脏之间的差异从细微的变化到完全不同的信号不等。此外，一些病理症状可能会随机出现或在医生未测量时出现。如果可以在没有人为干预的情况下实时测量和分析ECG信号，则可以更早地诊断出许多疾病。在其他方面，可以使用许多AI算法来完成心电图信号的表征和早期诊断。在我们的例子中，为了简单和易于实现，我们选择神经网络分类器。这些网络的输入是一组参数，并基于此网络生成输出，即基于参数和学习过程的信号分类。理论：神经网络一个神经网络是由多个分层排列的神经元组成的。每一层从上一层获取输入并计算其输出，供下一层使用，直到最后一层输出为信号的分类。为了让神经网络正常工作，我们需要对其进行训练。我们需要一组信号，从中我们可以知道神经网络的预期输出。例如，如果我们想判断一个信号是健康的还是它有AV块，我们需要医生已经分类的两种情况的样本信号。然后我们训练神经网络，直到它知道什么是常规心电图或不健康心电图。然后我们可以传递真实的数据并得到输出。总而言之，为了使用神经网络，我们需要：定义网络，即每层有多少输入参数，多少输出，层数，神经元使用已知数据集训练网络。使用带有训练阶段参数的网络。这是对神经网络的一个非常简单的解释，深入了解其操作和不同类型需要更复杂的介绍，这与本项目的范围相去甚远。技术由于语言的可靠性，代码的核心主要用ADA编写，这在处理与患者健康相关的项目时至关重要。实现：神经网络第一步是在ADA中实现神经网络，这是该项目的核心。寻找相关信息，我们发现使用这种语言的神经网络做得很少。所以我们发现在ADA中为神经网络开发一个通用库非常有用，这样它就可以在其他项目中使用。该库包含创建神经网络、训练和执行它的必要工具，对网络的训练阶段和生产阶段都很有用。对于网络的训练，需要有一个具有适当配置的“input.dat”文件，其中包含神经网络的输入以及预期的输出。在代码中，必须在“config.adb”文件中配置必要的参数，例如网络的层数、所需的输入和输出的数量、每层的大小或学习速度。作为输出，它生成一个“weights.dat”文件，其中包含为每个神经元生成的权重，这对于在生产阶段执行是必需的。我们提供了神经元体和神经元执行器的一些基本函数、求和函数和sigmoid函数。该系统经过规划，因此可以轻松地为网络包含和配置更多功能。完整的库位于“neural-network-lib”文件夹中。网络的训练，作为使用和操作的例子，已经在“neural-learning”文件夹内的项目中开发。神经网络的生产模式示例可以在“example-run-net”文件夹中找到，其中还包括快速傅里叶变换的实现，从https://rosettacode.org/wiki/Fast_Fourier_transform#Ada获得，我们发现这对于处理神经网络的输入信号非常有用。STM32该项目位于“STM32”文件夹中。对于STM32板子，我们不得不对神经网络进行修改，因为代码不兼容，主要是屏幕输出和文件处理。由于这个原因，这个版本的STM32库只适合生产，不适合训练网络，神经元的权重必须通过“.ads”文件引入。此外，由于返回不受约束的元素和大量使用递归的问题，必须对快速傅里叶变换代码进行修改。使用开发板的USART开发了一个控制台模块，以便能够使用开发板的PA2和PA3引脚在屏幕上查看结果并将它们发送到RaspberryPi模块。USART阅读也通过中断发展。它可以在文件“console.adb”中找到。另一个必要的部分是使用ADC，获取心跳信息，分析它们并将它们发送到神经网络。为此，板上的ADC器件已配置在引脚PA4上，分辨率为12位，将输入转换为0V到3.3V之间的值。它在文件“ecgreader.adb”中。ECG数据处理的主要部分在文件“ecgprocess.adb”中。一旦接收到0v和3.3V之间的原始输入，它会对信号执行快速傅里叶变换，然后是模块。从这个结果中，它从信号中提取一些参数，这些参数稍后将用作神经网络的输入。这些参数是：最大最低限度意思是方差HaPo（将频谱分成同一区域的两个部分的频率）程序执行的主要顺序是：控制台、ADC和神经网络的初始化。读取心电图数据数据处理神经网络的执行将神经网络输出和ECG数据发送到RaspberryPi这是通过20毫秒的实时延迟完成的实现：Python为了在屏幕上显示数据，选择了一个python脚本。该脚本将从串口获取数据，使用scipy对其进行过滤，然后使用matplotlib进行绘图。我们正在应用低通滤波器以消除主要来自主电源（50Hz波）的噪声。我们可以在下图中看到信号和频谱的影响。在上图中，我们可以看到直接从ADC到绘图仪的信号。由于不完美的采样时间，频谱的频率在X轴上有偏移。但是，为了去除高频，我们可以使用整数。使用BW为30-40Hz的低通滤波器进行滤波，我们得到一个干净的信号。结果结果是有希望的，并且该项目提供了信号捕获以及用于实现、训练和使用神经网络的几个工具。然而，为了完成这个项目，需要一位真正的医生，有真实的信号和适当的反馈。在这个阶段，我们需要一些已经表征的数据和一些现实生活中的测试，如果没有医院或医疗数据，就不可能进行测试。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：LaboratorioGluon，如涉及侵权，可联系删除。

在本文中，我们将展示如何使用TinyML和EdgeImpulse为ArduinoNanoBLESense构建咳嗽检测系统。这篇文章主要讲述如何使用EdgeImpulse在ArduinoNanoBLESense上进行机器学习，以检测实时音频中是否存在咳嗽。我们构建了咳嗽和背景噪声样本的数据集，并应用了高度优化的TInyML模型，构建了一个咳嗽检测系统，该系统在NanoBLESense上20kB的RAM中实时运行。同样的方法适用于许多其他嵌入式音频模式匹配应用，例如老年人护理、安全和机器监控。该项目和数据集最初由KartikThakore启动，以帮助COVID-19工作。前提要想完成该项目，首先有以下要求：对软件开发和Arduino的基本了解安装ArduinoIDE或CLI安卓或iOS手机带麦克风的ArduinoNanoBLESense或等效Cortex-M4+板（可选）我们将使用EdgeImpulse，一个在边缘设备上进行机器学习的在线开发平台。你需要先注册创建一个免费帐户。登录您的帐户，并通过单击标题为您的新项目命名。我们称之为“ArduinoCoughTutorial”。收集数据集任何机器学习项目的第一步都是收集一个数据集，该数据集代表我们希望能够在我们的Arduino设备上匹配的已知数据样本。首先，我们创建了一个包含10分钟音频的小型数据集，分为“咳嗽”和“噪音”两个类别。我们将展示如何将此数据集导入您的EdgeImpulse项目，添加您自己的样本，甚至从头开始您自己的数据集。该数据集很小，并且具有有限数量的咳嗽和软背景噪声样本。因此，该数据集仅适用于实验，本教程中生成的模型只能区分安静的背景噪音和小范围的咳嗽。我们鼓励您使用更广泛的咳嗽、背景噪音和其他类别（如人类语音）来扩展数据集，以提高性能。注意：强迫自己咳嗽对声带的伤害很大，收集数据和测试时要小心！首先下载我们的咳嗽数据集并在您的PC上您选择的位置提取文件：https://cdn.edgeimpulse.com/datasets/cough.zip您可以使用EdgeImpulseCLIUploader将此数据集导入您的EdgeImpulse项目。按照这些安装说明安装EdgeImpulseCLI。打开终端或命令提示符，然后导航到您提取文件的文件夹。运行：$edge-impulse-uploader--clean$edge-impulse-uploader--categorytrainingtraining/*$edge-impulse-uploader--categorytestingtesting/*系统将提示您输入EdgeImpulse用户名、密码和要添加数据集的项目。数据集样本现在将在数据采集页面上可见。通过单击示例，我们可以看到示例的外观，并通过单击每个图表下方的播放按钮来收听音频。10分钟的咳嗽和噪音数据样本足以开始。您可以选择使用自己的咳嗽和背景噪声样本扩展数据集。我们可以从数据采集页面直接从设备收集新的数据样本。WAV格式的音频样本也可以使用EdgeImpulseCLIUploader上传。重要提示：现实世界应用程序中使用的模型应使用尽可能多样化的数据集进行训练和测试。这个初始数据集相对较小，因此当暴露于不同类型的背景噪音或来自不同人的咳嗽时，模型的表现会不一致。最简单的入门方法是使用手机收集音频数据。转到“设备”页面，然后单击右上角的“+连接新设备”按钮。选择“使用您的手机”。这将生成一个唯一的QR码，以在您的手机浏览器上打开一个Web应用程序。对二维码拍照，然后选择打开链接。Web应用程序将连接到您的EdgeImpulse项目，应该如下所示：我们现在可以从EdgeImpulse的数据采集页面直接从手机中收集音频数据样本。在“记录新数据”部分，输入“咳嗽”或“噪音”标签，确保选择“麦克风”作为传感器，然后单击“开始采样”。您的手机现在将收集音频样本，并将其添加到您的数据集中。还支持直接从NanoBLESense板收集音频数据。按照这些说明安装EdgeImpulse固件和守护程序。一旦设备连接到EdgeImpulse，您就可以像上面的手机一样收集数据样本。创造你的脉冲接下来，我们将在创建脉冲页面上选择信号处理和机器学习模块。脉冲将从空白开始，带有原始数据和输出特征块。保留1000ms窗口大小和500ms窗口增加的默认设置。这意味着我们的音频数据将一次处理1秒，每0.5秒开始。使用小窗口可以节省嵌入式设备上的内存，但这意味着我们需要在两次咳嗽之间没有大间隔的咳嗽数据样本。单击“添加处理块”并选择音频(MFCC)块。接下来单击“添加学习块”并选择神经网络(Keras)块。点击“保存冲动”。音频块将为每个音频窗口提取频谱图，神经网络块将被训练以根据我们的训练数据集将频谱图分类为“咳嗽”或“噪音”。您产生的脉冲将如下所示：接下来，我们将从MFCC页面上的训练数据集生成特征。此页面显示从任何数据集样本中提取的每1秒窗口的频谱图的样子。我们可以将参数保留为默认值。接下来单击“生成特征”按钮，然后使用此处理块处理整个训练数据集。这将创建完整的特征集，用于在下一步训练我们的神经网络。按“生成特征”按钮开始处理，这需要几分钟才能完成。我们现在可以在NN分类器页面上继续设置和训练我们的神经网络。默认神经网络适用于流水等连续声音。咳嗽检测更复杂，因此我们将在每个窗口的频谱图上使用2D卷积配置更丰富的网络。2D卷积以与图像分类类似的方式处理音频频谱图。按“神经网络设置”部分的右上角，然后选择“切换到Keras（专家）模式”。将“神经网络架构”定义替换为以下代码，并将“最小置信度”设置为“0.70”。然后继续单击“开始培训”按钮。训练将需要几秒钟。importtensorflowastffromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.layersimportDense,InputLayer,Dropout,Flatten,Reshape,BatchNormalization,Conv2D,MaxPooling2D,AveragePooling2Dfromtensorflow.keras.optimizersimportAdamfromtensorflow.keras.constraintsimportMaxNorm#modelarchitecturemodel=Sequential()model.add(InputLayer(input_shape=(X_train.shape[1],),name='x_input'))model.add(Reshape((int(X_train.shape[1]/13),13,1),input_shape=(X_train.shape[1],)))model.add(Conv2D(10,kernel_size=5,activation='relu',padding='same',kernel_constraint=MaxNorm(3)))model.add(AveragePooling2D(pool_size=2,padding='same'))model.add(Conv2D(5,kernel_size=5,activation='relu',padding='same',kernel_constraint=MaxNorm(3)))model.add(AveragePooling2D(pool_size=2,padding='same'))model.add(Flatten())model.add(Dense(classes,activation='softmax',name='y_pred',kernel_constraint=MaxNorm(3)))#thiscontrolsthelearningrateopt=Adam(lr=0.005,beta_1=0.9,beta_2=0.999)#traintheneuralnetworkmodel.compile(loss='categorical_crossentropy',optimizer=opt,metrics=['accuracy'])model.fit(X_train,Y_train,batch_size=32,epochs=9,validation_data=(X_test,Y_test),verbose=2)该页面将显示训练性能和设备上的性能，根据您的数据集应如下所示：我们的咳嗽检测算法现在可以试用了！测试实时分类页面允许我们使用数据集附带的现有测试数据或通过手机或Arduino设备中的流式音频数据来测试算法。我们可以从一个简单的测试开始，选择任何测试样本，然后按“加载样本”。这将对测试样本进行分类并显示结果：我们还可以使用实时数据测试算法。通过刷新我们之前打开的手机上的浏览器页面，从您的手机开始。然后在“分类新数据”部分中选择您的设备，然后按“开始采样”。当通过edge-impulse-daemon连接到项目时，您可以类似地从NanoBLESense流式传输音频样本，就像在数据收集步骤中一样。部署我们可以轻松地将我们的咳嗽检测算法部署到手机上。转到手机上的浏览器窗口并刷新，然后按“切换到分类模式”按钮。这将自动将项目构建到WebAssembly包中并在您的手机上连续执行（之后无需云，甚至进入飞行模式！）接下来，我们可以通过转到部署页面将算法部署到NanoBLESense。在“构建固件”下选择“ArduinoNano33BLESense”，然后单击“构建”。这将为NanoBLESense构建一个完整的固件，包括您的最新算法。按照屏幕上的说明使用二进制文件刷新您的Arduino板。刷新Arduino后，我们可以在设备以115、200波特插入USB时打开设备的串行端口。串口打开后，按回车键得到提示，然后：>AT+RUNIMPULSEInferencingsettings:Interval:0.06ms.Framesize:16000Samplelength:1000ms.No.ofclasses:2Startinginferencing,press'b'tobreakRecording...RecordingdonePredictions(DSP:495ms.,Classification:84ms.,Anomaly:0ms.):cough:0.01562noise:0.98438Startinginferencingin2seconds...Recording...RecordingdonePredictions(DSP:495ms.,Classification:84ms.,Anomaly:0ms.):cough:0.01562noise:0.98438Startinginferencingin2seconds...Recording...RecordingdonePredictions(DSP:495ms.,Classification:84ms.,Anomaly:0ms.):cough:0.86719noise:0.13281Startinginferencingin2seconds...Recording...RecordingdonePredictions(DSP:495ms.,Classification:84ms.,Anomaly:0ms.):cough:0.01562noise:0.98438未来可能的拓展使用您自己的咳嗽和背景声音扩展默认数据集，记得定期重新训练和测试。您可以在测试页面下设置单元测试，以确保模型在扩展时仍然有效。为不咳嗽的人类声音添加一个新类和数据，例如背景语音、打哈欠等。从一个新数据集开始，收集音频样本以检测新事物。根据这些说明部署到Arduino库，作为ArduinoSketch的一部分，以使用LED或显示器显示咳嗽检测按照本文使用其他传感器，例如NanoBLESense的3轴加速度计。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：ZachShelby，如涉及侵权，可联系删除。

本文要介绍的是一个COVID-19NFC口罩检测器，以确保进出办公室的每个人都佩戴口罩。由于冠状病毒疫情的影响，办公楼严格控制工作人员的进出。每个人都应该戴上口罩并测量体温才能进入。在COVID-19期间，到处都有免费口罩提供，但仍然有些人并不总是戴口罩。这就是我制作这个项目的原因。装备好这个项目后，进出的人员需要佩戴特别定制的NFC口罩，外人佩戴的普通口罩不会通过识别。有了这个口罩检测器，如果你戴上NFC口罩，办公楼的门可以自动打开。您可以自由进出，否则您将无法进入。第1步：所需材料硬件：MaduinoZeroNFCL298N电机驱动板NFC贴纸电磁锁软件：ArduinoIDE第2步：连接L298N模块--MaduinoZeroNFCENA--D4(GPIO4)IN1--D5(GPIO5)IN2--D6(GPIO6)电磁锁--L298NOUT2第3步：定制NFC口罩我们还定制了NFC口罩、指甲大小的NFC贴纸。第4步：安装NFC口罩检测器MaduinoZeroNFC模块固定在门上，NFC天线贴在门侧，用于检测工作人员是否佩戴口罩。第5步：测试工作人员在门口戴口罩，仪器检测是否戴口罩，如果戴口罩，门自动打开。（同样几秒钟后，门会自动关闭。）NFC代码：#include#include#include"Adafruit_PN532.h"#definePN532_SS(9)//IfusingthebreakoutorshieldwithI2C,definejustthepinsconnected//totheIRQandresetlines.Usethevaluesbelow(2,3)fortheshield!#definePN532_IRQ(2)#definePN532_RESET(11)//NotconnectedbydefaultontheNFCShieldAdafruit_PN532nfc(PN532_SS);//L298NconstintENA=6;constintIN1=5;constintIN2=4;#ifdefined(ARDUINO_ARCH_SAMD)//forZero,outputonUSBSerialconsole,removelinebelowifusingprogrammingporttoprogramtheZero!//alsochange#defineinAdafruit_PN532.cpplibraryfile#defineSerialSerialUSB#endifvoidsetup(void){pinMode(ENA,OUTPUT);pinMode(IN1,OUTPUT);pinMode(IN2,OUTPUT);Serial.begin(115200);SerialUSB.begin(115200);SerialUSB.println("Hello,MaduinoZeroNFC!Makerfabs");nfc.begin();uint32_tversiondata=nfc.getFirmwareVersion();if(!versiondata){SerialUSB.print("Didn'tfindPN53xboard");while(1);//halt}//Gotokdata,printitout!SerialUSB.print("FoundchipPN5");SerialUSB.println((versiondata>>24)&0xFF,HEX);SerialUSB.print("Firmwarever.");SerialUSB.print((versiondata>>16)&0xFF,DEC);SerialUSB.print('.');SerialUSB.println((versiondata>>8)&0xFF,DEC);//Setthemaxnumberofretryattemptstoreadfromacard//Thispreventsusfromwaitingforeverforacard,whichis//thedefaultbehaviourofthePN532.nfc.setPassiveActivationRetries(0xFF);//configureboardtoreadRFIDtagsnfc.SAMConfig();SerialUSB.println("WaitingforanISO14443Acard");}voidloop(void){booleanresult_success=0;uint8_tuid[]={0,0,0,0,0,0,0};//BuffertostorethereturnedUIDuint8_tuidLength;//LengthoftheUID(4or7bytesdependingonISO14443Acardtype)//WaitforanISO14443Atypecards(Mifare,etc.).Whenoneisfound//'uid'willbepopulatedwiththeUID,anduidLengthwillindicate//iftheuidis4bytes(MifareClassic)or7bytes(MifareUltralight)result_success=nfc.readPassiveTargetID(PN532_MIFARE_ISO14443A,&uid[0],&uidLength);if(result_success){SerialUSB.println("Foundacard!");SerialUSB.print("UIDLength:");SerialUSB.print(uidLength,DEC);SerialUSB.println("bytes");SerialUSB.print("UIDValue:");for(uint8_ti=0;i{SerialUSB.print("0x");SerialUSB.print(uid[i],HEX);}SerialUSB.println("");result_success=0;//analogWrite(ENA,255);digitalWrite(ENA,HIGH);digitalWrite(IN1,LOW);//SwitchdirectiondigitalWrite(IN2,HIGH);delay(2000);//Wait1secondbeforecontinuingdelay(1000);}else{//PN532probablytimedoutwaitingforacardSerialUSB.println("Timedoutwaitingforacard");}digitalWrite(IN1,LOW);digitalWrite(IN2,LOW);}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Makerfabs，如涉及侵权，可联系删除。

我设计和构建一个便携式生物医学监视器，可以实时获得诊断并能够确定可能的疾病。背景目前，在我们现在的世界，我们面临着数以百万计的挑战，以求生存并延长我们作为一个社会的生活质量。当我们考虑保持健康时，我们会考虑如何保持健康以拥有良好的工作生活、社交和一般生活，或者如何照顾我们的老年人，但这些问题都被忽视了。医学新技术的使用已慢慢进入该领域，并且在医疗保健的各个方面都有益且非常有帮助。考虑到数据和以前的信息，再加上疾病产生的高死亡率，大多数人本可以通过低成本的基本检查按时进行手术，但在我们的社区中，这些疾病的使用是有限的。这就是我们提出以下问题的原因：如何为所有使用MAX32620FTHR体热板的人设计和构建生物医学监测系统？我们的项目旨在解决上述每一个困难。这就是为什么我们进入对当前技术和生命体征监测方法的研究和分析。解决方案我们的项目由三个阶段组成，共同构成了我们伟大的项目：第1阶段：设计和构建一个智能手环，其中包含用于诊断和获取基本生命体征（温度、RPM、SpO2）的组件，这些组件将通过编程进行分析并发送到第2阶段。预计在第二个原型中集成分析和采集生物样本（血液测试），以大大扩展对人的诊断。第2阶段：在云中设计和编程一个数据库，该数据库能够接收、分析、评估和指定每个人在个人临床病史中的结果。同样，该平台将能够指定症状并确定患者与样本一起出现的疾病。每个人都可以通过应用程序或网络访问他们的临床病史。同样，我们的医疗服务提供者或我们的医生也可以访问这些数据。第1步：建立联系连接第2步：能量是如何产生的？第3步：将MAX32620FTHR连接到PC并配置ArduinoIDE对于Windows和Linux，请转到File->Preferences。对于MacOS，请转到Arduino->Preferences。在对话框中，找到AdditionalBoardsManagerURLs字段，粘贴以下URL并单击OK。https://raw.githubusercontent.com/maximintegratedmicros/arduino-collateral/master/package_maxim_index.json转到工具->板->板管理器...在搜索字段中，输入“maxim”。选择Maxim's32-bitMicrocontroller并点击Install。安装完成后，关闭BoardsManager。转到工具->板。在MaximARM(32-bit)Boards部分，从SupportedBoards列表中选择您的开发板。插入您的开发板并在Tools->Port下为您的开发板选择适当的串行端口。转到Tools->Programmer并选择DAPLink。验证MAX32620和ArduinoIDE之间是否一切正常。按照以下步骤上传您的第一个眨眼草图。在ArduinoIDE中，转到File->Examples->01.Basics->Blink。单击验证按钮或转到Sketch->Verify/Compile。单击“上传”按钮或转到“草图”->“上传”。第4步：加载代码#includeSoftwareSerialblue(TX,RX);//Createbluetoothconnection-TXTXtoTXPINandRxPINtoRXcharNOMBRE[21]="MONITORMEDICAL";//Maximum20characternamecharBPS='4';//1=1200,2=2400,3=4800,4=9600,5=19200,6=38400,7=57600,8=115200charPASS[5]="1651";//PINORKEYof4numericcharactersfloattempC;intPulseSensorPurplePin=A2;//WedefinetheentryinpinAIN2intSignal;//holdstheincomingrawdata.Signalvaluecanrangefrom0-1024intThreshold=550;//DeterminewhichSignalto"countasabeat",andwhichtoingoreinttempPin=A1;//WedefinetheentryinpinAIN1intselect=3;//voidsetup(){//Openserialportandsetitto9600bpsblue.begin(9600);blue.println("Conect");blue.println("WELCOMETOYOURPERSONALMEDICALASSISTANT");}voidloop(){if(blue.available()>0)//Ifthereisnoserialscript,itdoesnotenterthecycle{//Itsavesinthevariable"select"whatiswrittenintheserialportselect=blue.read();//AccordingtothecaseofwhatiswrittenintheLabViewwillbetheinformationthatweseeswitch(select){case'a'://Ifyouwrite"a"youwillsendusthetemperatureoftheLM35//ReadthevaluefromthesensortempC=analogRead(tempPin);tempC=(tempC*5.0*100)/970;//Sendthedatatotheserialport,formulacreatedbasedonthemaximumrecordobtainedblue.println(tempC);blue.print("°C");delay(1000);break;case'b'://If"b"iswritten,itwillsendustheheartrateSignal=analogRead(PulseSensorPurplePin);blue.println(Signal);blue.print("RPM");//SendtheSignalvaluetoSerialPlotter.delay(1000);break;default://Typing"anyothercharacter"willsendusanerrorblue.println("error");delay(1500);//Retardode0.5segundos}}}第5步：通过蓝牙连接我们的设备我们还可以使用这个个性化的应用程序：第6步：物联网数据云设计在所有这些日子里，我一直在设计并以某种方式一点一点地创建我们的第一个共享数据云。多亏了它，我们的医生、亲属、父母和感兴趣的人可以实时获得有关我们健康状况的数据和信息。他们也可以知道我们是否出现症状。接下来，我将展示IoT数据云的进展情况：结论多亏了这种小型设备，我们可以使用不同的3D打印模型（最好是BRAZALETE）在我们的身体中进行调整，我们可以每天24小时实时监控人口中的所有人，让我们享受大量的好处但主要是要覆盖每一个儿童和弱势老人，将每天因缺乏医疗诊断而导致的死亡人数从每天29,000人减少到不足1,000人。这是一个伟大的目标，但并非不可能做到。借助MaximIntegrated提供的技术，我们可以依靠各种硬件和设备来开展计划，为地球上的日常生活问题提供解决方案。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：GabrielAlejandroGiraldoSantiago，如涉及侵权，可联系删除。

该项目的目标是帮助残障人士。对于那些不能走路的人来说，它基本上会很有帮助。介绍这是一个简单的智能轮椅原型。轮椅是多功能的，人们可以将这款轮椅用于各种目的。这把椅子可以用作恐慌警报。如果使用者需要即时帮助，他/她可以按下紧急警报按钮，以便有人可以立即帮助他/她。这辆轮椅也有一个LED灯。因此，当周围光线不足时，任何人都可以在附近走动。最后并且最重要的一点是，这款轮椅还可以自动识别障碍物，并决定沿着无障碍路径行驶。所需设备ArduinoUNO电机驱动器（型号：L298N）蓝牙模块（型号：HC-05）超声波传感器（型号：HC-SR04）直流电机锂电池(1000mAh)面包板引领按钮开关（开/关）蜂鸣器跳线（公对公|公对母|母对母）连接A)MotorDrivertoArduinoIN1到数字引脚8IN2到数字引脚9IN3到数字引脚10IN4到数字引脚11+12V至锂电池正极引线GND到锂电池负极引线+5V至VIN(Arduino)B)BluetoothModuletoArduino+5V(Arduino)至+5V(蓝牙)GND(Arduino)到GND(蓝牙)RX(Arduino)到TX(蓝牙)TX(Arduino)到RX(蓝牙)C)UltrasonicSensortoArduino触发引脚到数字引脚12回声引脚到数字引脚13触发引脚到数字引脚7回声引脚到数字引脚6VCC至5V地到地D)OtherConnectionsLED灯（阳极）到数字引脚5（Arduino）蜂鸣器（正极）到数字引脚4（Arduino）按钮（正极）到数字引脚3（Arduino）蓝牙应用GooglePlay商店链接应用下载链接：https://play.google.com/store/apps/details?id=com.keuwl.arduinobluetooth蓝牙应用设置Step-1首先从GooglePlay商店下载该应用程序。上面的（蓝牙应用GooglePlay商店链接）部分给出了应用程序的链接。Step-2为您的轮椅控件编辑新面板Step-3现在单击“连接”按钮并选择“蓝牙经典”选项，然后单击“下一步”按钮建立蓝牙连接。Step-4应用程序与“HC-05蓝牙模块”配对后，点击“完成”按钮。最后单击“运行”按钮开始使用此应用程序。重要说明在Arduino上上传代码期间，我们需要从Arduino下拉RX和TX连接。锂电池是非常强大的电池。因此，请确保每个连接都完全正常。连接示意图：本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：KhaledMd.Saifullah，如涉及侵权，可联系删除。

概述帕金森病是一种影响运动的进行性神经系统疾病。症状逐渐开始，有时仅从一只手几乎不明显的震颤开始。震颤很常见，但这种疾病通常也会导致僵硬或运动减慢。在帕金森病的早期阶段，您的面部可能很少或没有表情。走路时手臂可能不会摆动。您的讲话可能会变得柔和或含糊不清。随着您的病情随着时间的推移，帕金森病的症状会恶化。尽管帕金森病无法完全治愈，但药物可能会显着改善您的症状。有时，您的医生可能会建议您进行手术以调节您大脑的某些区域并改善您的症状。症状帕金森病的体征和症状可能因人而异。早期迹象可能是轻微的并且被忽视。症状通常从您身体的一侧开始，并且通常在该侧持续恶化，即使在症状开始影响两侧之后也是如此。帕金森氏症的体征和症状可能包括：震颤。震颤或颤抖通常始于肢体，通常是您的手或手指。您可能会来回摩擦拇指和食指，称为滚丸震颤。你的手在休息时可能会颤抖。运动缓慢（运动迟缓）。随着时间的推移，帕金森病可能会减慢您的运动速度，使简单的任务变得困难且耗时。当您走路时，您的步数可能会变短。可能很难从椅子上站起来。当你试图走路时，你可能会拖着脚。僵硬的肌肉。肌肉僵硬可能发生在身体的任何部位。僵硬的肌肉可能会疼痛并限制您的运动范围。姿势和平衡受损。您的姿势可能会变得弯腰，或者您可能因帕金森病而出现平衡问题。失去自动运动。您可能无法进行无意识运动，包括走路时眨眼、微笑或摆动手臂。言语变化。说话前你可能会轻声、快速、含糊或犹豫。你的演讲可能更单调，而不是通常的变化。写作变化。它可能会变得难以书写，并且您的文字可能会显得很小。项目我们项目的目标是能够了解通过使用现成组件构建类似项目可以累积的系统动态和倾向。最初的设计理念我们很早就意识到这将是一个具有挑战性的项目，并将带领团队进入我们拥有工作知识的运动控制、物理和3D数学领域，而这个项目帮助我们将理论付诸实践。预计该设计将被握在手中，并能够帮助消除人手感觉到的任何颤抖，从而提供水平和稳定原型末端握住的勺子的能力。很明显，如果需要，我们必须使用某种传感器来测量倾斜、加速度、相对和绝对值。幸运的是，Invensense的MPU6050是我们过去使用过的一个模块，并且相信它将为我们提供我们希望拥有的动态响应（测量速度）。我们需要能够足够快、足够准确地移动勺子，这些具有相当快的响应并且可以提供良好的扭矩。构建项目的步骤几天后，我们已经能够首先计算出MPU6050传感器的值，并使用两个伺服电机（其轴正交放置）和几张3D打印件构建了一个定制的两轴旋转系统。展望未来我们对速度和响应的一些假设与我们实际看到的很接近，有一些可能可以加之优化的方法有待我们去探索：使用PCB上的ATtiny/ATmega328裸骨，手动布线，使原型更小更紧密地固定伺服系统放一块18650电池运行项目本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：RupinChheda，如涉及侵权，可联系删除。

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ArduinoNano33BLESense×1ElectroPeak0.96"OLED64x128显示模块×1TP4056×1电池，3.7V×1软件应用程序和在线服务ArduinoIDE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ArduinoBLE33Sense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Arduino3.3v，GND到ArduinoGND，SDA到A4，SCL到A5。将电池连接到TP4056电池引脚，将TP4056输出连接到ArduinoVIN和GND。您还可以在TP4056+和ArduinoVIN之间进行切换。软件和服务ArduinoIDEEdgeImpulse免费帐户3D打印案例使用Fusion360，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4x3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EdgeImpulse，创建一个免费帐户，登录仪表板，使用microUSB电缆连接ArduinoBLE33Sense，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ArduinoIDE的Zip库添加。如果我们转到示例，即EdgeImpulse中的项目名称，我们将获得一个可以使用的推理代码。选择NanoBLE33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。intrightLimit=10;intleftLimit=10;intupLimit=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.ofreadings*/,7/*min.readingsthesame*/,0.65/*min.confidence*/,0.3/*maxanomaly*/);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RotaryCuffRecovery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TinyMLEdgeImpulse模型和ArduinoBLE33Sense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。

OxiFine是一种开源脉搏血氧仪设备，使用最少的组件和最简单的设计方面制成。它是一种不同于传统脉搏血氧仪的模块化设备。制造商可以构建设备，并可以使用配套的移动应用程序监控以bpm为单位的脉搏率和以百分数为单位的SpO2水平。这将从设备上取下显示单元，我们可以使用普通的micro-bUSB电源适配器为其供电，这样也可以避免使用电池。这将最终减小产品的尺寸和成本。补给品NodeMCUD1MiniMAX30100脉搏血氧计传感器3D打印零件Micro-bUSB适配器第1步：构建电路按照电路图将MAX30100的引脚连接到NodeMCUVin>>5VSCL>>D1SDA>>D2Gnd>>Gnd第2步：打印3D零件我使用的打印设置喷嘴直径：0.6mm层高：0.28mm填充率：100%v2d1_bottom.stlv2d1_top2.stlv2d1_top.stl第3步：将代码上传到NodeMCUD1Minioxifine_code.txt（点击下载）第4步：组装组件组装3D打印外壳内的组件。并赋予它弹性效果，如图所示，将两条橡皮筋粘在主体上第5步：创建应用程序下载Blynk应用程序登入添加两个仪表将它们命名为脉搏率和SpO2给出单位为bpm和%将引脚定义为脉搏率的V0和SpO2的V1第6步：连接应用程序并开始阅读第7步：结论此表显示了OxiFine在同一个人身上测试时与市售脉搏血氧仪设备相比给出的值。结果与市售设备相当。以上就是这个项目的全部内容了，欢迎评论交流*以上内容翻译自网络，原作者：Vishnu机器人技术，如涉及侵权可联系删除。

在新冠期间，人们对创造更多创新医疗设备的兴趣高涨，因为近年来表明医疗保健的情况是多么不可预测。我们以前从未面临过如此迫切地需要口罩、呼吸机、氧气瓶和其他必须具备的设备来战胜这一流行病。所有这些都成为开发可以长时间自主工作的设备的触发因素，无需访问互联网或云，只需使用超低功耗的电池即可。在本教程中，我想提供一个生动的示例，说明微型ML方法如何通过在微控制器上运行推理来帮助预测是否存在即将发生的心律失常，而无需将相应的传感器数据发送到云端。让我们学习如何训练一个紧凑的机器学习模型并将其嵌入到8位ATmega2560微控制器中。我特意选择了这种内存受限且原始的微控制器，以展示微型机器学习设备的简单和智能。特点、目标：0...186-示例说明目标-样本类别（0-正常心跳，1-受心律失常或心肌梗塞影响的心跳）我将所有案例合并到一个CSV文件中，并将其拆分为一个用于训练的数据集（11,641行）和一个用于推理的文件（2,911行）。心肌收缩幅度作为训练模型的特征。在这里，您可以下载我们用于对新数据进行模型训练和预测的预处理训练和测试数据集。Procedure.Step1：TinyML模型训练对于我项目的AI部分，我选择了NeutonTinyML平台。Neuton拥有一个特殊的算法，可以在准确性和紧凑性方面自动创建一个最佳模型。最好的部分-模型不需要压缩（这是完美的，因为我需要一个支持8位架构的非常小的模型）。接下来，我上传了一个CSV文件并选择了应该训练预测的列。就我而言，这是一列，它表明心电图上是否存在心律失常（1-是，0-否）。由于我需要将模型嵌入到8位微控制器中，因此我在界面中选择了这样的设置（8位支持）并开始训练。一切都是自动发生的。让我们从训练模型开始。我从这个资源中获取了原始数据集：https://www.physionet.org/content/ptbdb/1.0.0/。该数据集包含心率振荡的信号。这些信号对应于正常病例和受不同心律失常和心肌梗塞影响的病例的心电图(ECG)形状。目标是根据心电图形状检测受心律失常和心肌梗塞影响的异常心跳。如有必要，所有样本都被裁剪、下采样并用零填充到固定尺寸187。每行的最后一个元素表示该示例所属的类。模型经过训练。为了评估它的质量，我选择了曲线下的区域。我的模型变得非常小而准确：曲线下面积=0.96，模型大小=0.7Kb，系数数=253。第2步：嵌入微控制器之后，我下载了存档。它在训练完成后立即出现。档案包含：关于模型的信息在计算过程中使用二进制和十六进制两种格式的权重和元信息文件。计算器一组函数，是Neuton算法的附加功能，可提供推理。例如，计算器包括加载模型、调用回调函数（如传输数据、接收计算结果等）。纽顿图书馆一种执行计算的算法。实施文件一个文件，您可以在其中根据业务需求为计算结果设置操作逻辑。如您所见，存档文件夹包含所有必要的文件，这些文件可以简单地转移到微控制器固件项目中。由于我没有真正的心电图仪，我从计算机传输数据。为此，我开发了一个由标头、数据部分和校验和组成的简单协议。包头结构如下：类型定义结构{uint16_t序言；uint16_t大小；uint8_t类型；uint8_t错误；uint8_t保留[2]；}包头；我还提供了数据包，其中包含有关模型输入数量、执行预测的数据传输以及计算器RAM和闪存消耗的内存和预测时间的报告：类型定义枚举{TYPE_ERROR=0,TYPE_MODEL_INFO，TYPE_DATASET_INFO，TYPE_DATASET_SAMPLE，TYPE_PERF_REPORT，}数据包类型；然后我开发了一个数据包解析器，它将从系统板的USB-UART接口接收字节流作为输入，并在接收到具有正确校验和的数据包后，将激活回调函数以处理数据包。让我们打开user_app.c文件并创建一个神经网络对象：静态神经网络神经网络={0};为了初始化神经网络对象，我调用了CalculatorInit函数。初始化成功后，回调函数CalculatorOnInit被调用，我从model.c文件中加载了模型。对于预测，我调用了CalculatorRunInference函数。该函数反过来激活三个回调函数：预测之前和之后，以及包含预测结果的回调函数。我填写了它们：在我启动的CalculatorOnInferenceStart函数中，在CalculatorOnInferenceEnd函数中我停止了计时器并计算了预测时间的最小值、最大值和平均值。在CalculatorOnInferenceResult函数中，我分析了存在/不存在心律失常的类概率。当它不存在时，我打开绿色LED，但如果检测到心律失常，它是红色的。我将LED连接到GPIO端口52和53，并将预测结果发送到计算机。在草图文件中，我初始化了神经网络对象、数据包解析器、GPIO和UART端口：无效设置（）{pinMode（LED_RED，输出）；pinMode（LED_GREEN，输出）；led_red(1);led_green(1);初始化=(0==app_init());初始化&=(0==parser_init(channel_on_valid_packet,app_inputs_size()));序列号.开始（230400）；}我写了一个代码来在从UART接收数据时调用解析器：无效循环（）{如果（！初始化）{而（1）{led_red(1);led_green(0);延迟（100）；led_red(0);led_green(1);延迟（100）；}}而(Serial.available()>0)parser_parse(Serial.read());}让我们编译并将草图上传到系统板（“验证”和“上传”按钮）。成功！第3步：在微控制器上运行推理为了模拟心电图仪的工作，我使用libuv库编写了一个简单的桌面应用程序。该应用程序执行了以下操作：将向量发送到发生预测的设备从设备接收响应，关于发送的心电图是否包含心律失常，并显示响应运行应用程序的计算机与执行预测的微控制器之间的交互是通过本文上面描述的协议发生的。由于该设备通过串行端口连接到计算机，因此通信以二进制格式进行。我对微控制器进行了编程，以便当检测到心律失常时，我可以看到红灯，如果没有，然后绿灯亮起.在下面找到一个视频链接，展示它是如何工作的。未检测到心律失常检测到心律失常注意：在使用TensorFlow执行类似操作时，我们大部分时间都花在手动选择神经网络架构及其参数、模型转换、压缩和减少操作次数上，但我仍然没有设法嵌入模型成一个8位微控制器。总结新冠疫情表明医疗保健需要创新，我希望医疗边缘设备的巨大繁荣等待着我们。我们需要更多不怕电力和互联网中断的设备。非常便宜的设备，办公室里的任何人都可以轻松创建。*以上内容翻译自网络，原作者：亚历克斯·米勒，如涉及侵权，可联系删除。

背景由于现今疫情的状况，促使人们对创造创新医疗设备的需求剧增，因为近年来表明医疗保健的情况难以预测。我们以前从未面临过如此迫切地需要口罩、呼吸机、氧气瓶和其他必须具备的设备来战胜这一流行病。并且即使没有掌握深层的技术技能，这些设备也能被广泛制造，这一点至关重要。或许你可能听说过两个来自伦巴第大区的工程师的故事，他们在意大利疫情最严重的时候，拯救了他们的城市。而最初他们只是在办公室的3D打印机上打印用于呼吸机的塑料阀门，并免费提供给医院.疫情改变了很多人，即使是那些以前远离医学的人。介绍：在本教程中，我想提供一个生动的示例，说明微型ML方法如何通过在微控制器上运行推理来帮助预测是否存在即将发生的心律失常，而无需将相应的传感器数据发送到云端。我们将学习如何训练一个紧凑的机器学习模型并将其嵌入到8位ATmega2560微控制器中。我特意选择了这种内存受限且原始的微控制器，以展示微型机器学习设备的简单和智能。让我们从训练模型开始。我从这个资源中获取了原始数据集：https://www.physionet.org/content/ptbdb/1.0.0/。该数据集包含心率振荡的信号。这些信号对应于正常病例和受不同心律失常和心肌梗塞影响的病例的心电图(ECG)形状。目标是根据心电图形状检测受心律失常和心肌梗塞影响的异常心跳。如有必要，所有样本都被裁剪、下采样并用零填充到固定尺寸187。每行的最后一个元素表示该示例所属的类。特征：0...186-示例说明目标-样本类别（0-正常心跳，1-受心律失常或心肌梗塞影响的心跳）我将所有案例合并到一个CSV文件中，并将其拆分为一个用于训练的数据集（11,641行）和一个用于推理的文件（2,911行）。心肌收缩幅度作为训练模型的特征。在这里，您可以下载我们用于对新数据进行模型训练和预测的预处理训练和测试数据集。Procedure.Step1：TinyML模型训练对于我项目的AI部分，我选择了NeutonTinyML平台。Neuton拥有一个特殊的算法，可以在准确性和紧凑性方面自动创建一个最佳模型。最好的部分-模型不需要压缩（这是完美的，因为我需要一个支持8位架构的非常小的模型）。接下来，我上传了一个CSV文件并选择了应该训练预测的列。就我而言，这是一列，它表明心电图上是否存在心律失常（1-是，0-否）。由于我需要将模型嵌入到8位微控制器中，因此我在界面中选择了这样的设置（8位支持）并开始训练。一切都是自动发生的。模型经过训练。为了评估它的质量，我选择了曲线下的区域。我的模型变得非常小而准确：曲线下面积=0.96，模型大小=0.7Kb，系数数=253。第1步：嵌入微控制器下载存档，档案包含：关于模型的信息在计算过程中使用二进制和十六进制两种格式的权重和元信息文件。计算器一组函数，是Neuton算法的附加功能，可提供推理。例如，计算器包括加载模型、调用回调函数（如传输数据、接收计算结果等）。NeutonLibrary一种执行计算的算法。实施文件一个文件，您可以在其中根据业务需求为计算结果设置操作逻辑。存档文件夹包含所有必要的文件，这些文件可以简单地转移到微控制器固件项目中。由于我没有真正的心电图仪，我从计算机传输数据。为此，我开发了一个由标头、数据部分和校验和组成的简单协议。包头结构如下：类型定义结构{uint16_tpreamble;uint16_tsize;uint8_ttype;uint8_terror;uint8_treserved[2];}包头；我还提供了数据包，其中包含有关模型输入数量、执行预测的数据传输以及计算器RAM和闪存消耗的内存和预测时间的报告：类型定义枚举{TYPE_ERROR=0,TYPE_MODEL_INFO，TYPE_DATASET_INFO，TYPE_DATASET_SAMPLE，TYPE_PERF_REPORT，}数据包类型；然后我开发了一个数据包解析器，它会从系统板的USB-UART接口接收字节流作为输入，并在接收到具有正确校验和的数据包后，将激活回调函数以处理数据包。让我们打开user_app.c文件并创建一个神经网络对象：静态神经网络神经网络={0};为了初始化神经网络对象，我调用了CalculatorInit函数。初始化成功后，回调函数CalculatorOnInit被调用，我从model.c文件中加载了模型。对于预测，我调用了CalculatorRunInference函数。该函数反过来激活三个回调函数：预测之前和之后，以及包含预测结果的回调函数。我填写了它们：在我启动的CalculatorOnInferenceStart函数中，在CalculatorOnInferenceEnd函数中我停止了计时器并计算了预测时间的最小值、最大值和平均值。在CalculatorOnInferenceResult函数中，我分析了存在/不存在心律失常的类概率。当它不存在时，我打开绿色LED，但如果检测到心律失常，它是红色的。我将LED连接到GPIO端口52和53，并将预测结果发送到计算机。在草图文件中，我初始化了神经网络对象、数据包解析器、GPIO和UART端口：voidsetup(){pinMode(LED_RED,OUTPUT);pinMode(LED_GREEN,OUTPUT);led_red(1);led_green(1);initialised=(0==app_init());initialised&=(0==parser_init(channel_on_valid_packet,app_inputs_size()));Serial.begin(230400);}AndIwroteacodetocalltheparserwhenreceivingdatafromtheUART:voidloop(){if(!initialised){while(1){led_red(1);led_green(0);delay(100);led_red(0);led_green(1);delay(100);}}while(Serial.available()>0)parser_parse(Serial.read());}让我们编译并将草图上传到系统板（“验证”和“上传”按钮）。成功！第2步：在微控制器上运行推理为了模拟心电图仪的工作，我使用libuv库编写了一个简单的桌面应用程序。该应用程序执行了以下操作：将向量发送到发生预测的设备从设备接收响应，关于发送的心电图是否包含心律失常，并显示响应运行应用程序的计算机与执行预测的微控制器之间的交互是通过本文上面描述的协议发生的。由于该设备通过串行端口连接到计算机，因此通信以二进制格式进行。我对微控制器进行了编程，以便当检测到心律失常时，我可以看到红灯，如果没有，然后绿灯亮起.注意：在使用TensorFlow执行类似操作时，我们将大部分时间花在手动选择神经网络架构及其参数、模型转换、压缩和减少操作次数上，但我仍然没有设法嵌入模型成一个8位微控制器。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：AlexMiller，如涉及侵权，可联系删除。

它可以通过帮助身体的能量输出和再生来改善睡眠、精神集中和身体的整体表现。脉冲电磁场​​疗法(PEMF疗法)，也称为低场磁刺激(LFMS)，使用电磁场来试图治愈骨不连的骨折和抑郁症。它可用于补充和增强当前现有的医疗保健方式。此外，PEMF疗法通过帮助身体细胞的能量输出和再生来改善睡眠、精神集中和身体的整体表现。此类设备的商业售价在数百到数千美元之间，因此我的目标是让更多买不起的人可以使用这种易于构建和功能强大的设备。这次我还将向您展示一种制作高功率PEMF设备的简单方法，该设备的磁通密度比以前的设备强10倍左右。构建这样的设备有两种选择：1.将电源电压增加到大约50-70V和3-5A的电流，从而增加线圈的欧姆电阻。2.使用旧PC的标准电源（12V/20A），并降低线圈的欧姆电阻。第一种方式不实用，因为它使用的是非标准的电源，很难获得，由于使用两个稳压器，原理图会复杂得多，而且电压为70伏以上有潜在危险。第二种方式没有这些缺点，它更容易制造和使用更容易获得的组件。该设备的构建非常简单，包含以下组件：-PWM信号发生器模块ZK-PP1K（另外，您可以使用我之前的PEMF项目中使用的任何信号发生器模块）Mosfet安装在没有绝缘的足够大的铝制冷却器上，因为每个晶体管的漏极是相互连接的。应使用横截面至少为2.5mm的合适电线进行互连，因为有非常强的电流流过它们。应特别注意线圈的构造，因为Mosfet很容易燃烧。这就是为什么我用线圈和电线的尺寸制作了详细的图纸。当然，也可以制作其他尺寸的线圈，但必须满足两个条件：当设备打开时，“脉冲”LED以信号发生器设置的频率开始闪烁。根据此类设备的许多制造商的说明，该频率应在4至30Hz的范围内，占空比的值为5%至15%。电位器控制磁通量的强度，其强度与LED的强度成正比。现在为了演示磁通量的强度，我们将做一个小实验。我们将一个小的永磁体穿过环面。在强磁场的作用下，磁铁被线圈开裂。这种效果被用于所谓的线圈枪设备中。该设备在非常强的电流下工作，因此有必要采取某种保护措施。在这种情况下，保护包含在您的外部电源中，我不是医学专家，我无法讨论该设备的效果，尽管我个人有很多使用它的积极经验。我也可以肯定地说，低频磁场绝对没有负面影响，除非是有禁忌的人（怀孕、心脏起搏器、出血、活动性肺结核、恶性肿瘤）。事实上，MRI成像使用的磁场比PEMF强数万倍，而且我们知道这种诊断方法是完全无害的。最后，将设备安装在合适的塑料盒中，项目就完成了。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：MirkoPavleski，如涉及侵权，可联系删除。

MAX86150将ECG和SPO2集成在一个芯片上，为计算脉搏传输时间和间接血压开辟了新机遇。传统的测量血压需要护士或医生将充气手垫放在肘部上方的某处，接着会要求你吸气和呼气，然后会使用听诊器来了解测量的时间。如果您家中有这些数字血压计之一，那么您可能已经知道其准确性差别。在血压测量的路上，无袖带血压测量一直是一个挑战。一直以来有着各种各样的研究，其中有诞生开发过几种用于无袖带血压测量的方法，一种表现出巨大潜力的是PTT或脉搏传输时间测量，它可以作为血压的指标。简单来说，脉冲传输时间是脉冲波从心脏传播到读取点所花费的时间。MaximIntegrated最近发布了MAX86150，这是一款生物电位传感器，可同时对光电容积脉搏波(PPG)和心电图(ECG)进行采样。根据临床研究，我们可以测量PTT（脉冲传输时间），这是使用ECG和PPG波形测量我们的血压。我们做了什么？我们热衷于突破DIY和研究能够负担的健康的界限。因此，我们为这个小传感器制作了一个分线板，它可以使用简单的I2C接口连接到任何微控制器，该接口带有易于使用的心电图垫，您可以在上面记录手指的心电图。使用MAX86150能够带来什么MAX86150传感器符合人体工程学设计的干心电图板载电极：1.8和3.3V板载稳压器：用于SDA和SCL线路的电平触发MOSFET。作为标题的一部分提供的中断线。用于连接ECG电极的插孔连接：一旦连接，连接就会自动从焊盘转移到插孔。当插孔断开时，连接转移到板载焊盘。QWIC连接器可轻松实现I2C连接如何使用它？您可以插入这个分线板，就像使用跨接线将I2C设备插入ArduinoUno或使用QWIIC连接器进行快速连接一样！Arduino连接到BreakoutBoard5VVCC接地接地A4SDAA5SCL测量PTT间隔我们使用Python计算了由MAX86150分线板同时测量的ECG-PPG各段的PTT峰和脚间隔。对于检测到的每个R峰值，我们发现了处理后的PPG信号的以下沟槽和峰值，使用采样频率以获得时间间隔。PTT通常与BP成反比。尽管使用PTT测量心电图有几个限制，但该板解决了这些限制。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

在本项目中，我使用红外传感器来感知眼球运动并控制LED。NeoPixelLED眼球我使用了NeoPixelLED作为“眼球”部分。LED用双面胶带固定在“碗”背上，并按以下顺序接线。眼动追踪原理图传感器我使用了两个传感器QTR-1A进行眼动追踪。QTR-1A放置在塑料片上，之间距离大约是双眼距离。传感器部分和微控制器部分分别用夹子固定在眼镜上。Arduino代码当虹膜接近一个传感器时，反射光减少，传感器值增加。相反，当虹膜移开时，反射光增加，光反射器的传感器值减小。LED眼球瞳孔的左右运动，感知一个传感器值的增减，并对其进行控制。眨眼时，两个传感器值都会减小，所以如果两个传感器值同时减小，LED“眼球”的外壳部分就会往下掉。#include#include#defineNUM_SENSORS2//numberofsensorsused#defineNUM_SAMPLES_PER_SENSOR10//averaging#defineEMITTER_PINQTR_NO_EMITTER_PINintiniSensorValL,sensorValL;intiniSensorValR,sensorValR;#definePINA3Adafruit_NeoPixelled=Adafruit_NeoPixel(68,PIN,NEO_GRB+NEO_KHZ800);intblackNum=24;intpupilNum=12;uint32_tcolor;intbrightness=40;byteeyeColor;intLR=7;booleanlid=false;intcnt=0;//BlackeyeL&RanimationintblackLED[15][24]={{12,32,35,55,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{12,13,31,36,54,55,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{11,13,14,30,37,53,54,56,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{10,11,14,15,29,38,52,53,56,57,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{9,10,11,12,15,16,28,33,34,39,51,52,55,56,57,58,68,68,68,68,68,68,68,68},{0,8,9,10,11,12,13,16,17,27,32,35,40,50,51,54,55,56,57,58,59,67,68,68},{0,1,7,8,9,10,13,14,17,18,26,31,36,41,49,50,53,54,57,58,59,60,66,67},{1,2,6,7,8,9,14,15,18,19,25,30,37,42,48,49,52,53,58,59,60,61,65,66},{2,3,5,6,7,8,15,16,19,20,24,29,38,43,47,48,51,52,59,60,61,62,64,65},{3,4,5,6,7,16,17,20,21,23,28,39,44,46,47,50,51,60,61,62,63,64,68,68},{4,5,6,17,18,21,22,27,40,45,46,49,50,61,62,63,68,68,68,68,68,68,68,68},{4,5,18,19,26,41,48,49,62,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{4,19,20,25,42,47,48,63,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{20,21,24,43,46,47,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68},{21,23,44,46,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68,68}};//pupilL&RanimationintpupilLED[15][12]={{33,34,68,68,68,68,68,68,68,68,68,68},{32,33,34,35,68,68,68,68,68,68,68,68},{12,31,32,33,34,35,36,55,68,68,68,68},{12,13,30,31,32,33,34,35,36,37,54,55},{13,14,29,30,31,32,35,36,37,38,53,54},{14,15,28,29,30,31,36,37,38,39,52,53},{15,16,27,28,29,30,37,38,39,40,51,52},{16,17,26,27,28,29,38,39,40,41,50,51},{17,18,25,26,27,28,39,40,41,42,49,50},{18,19,24,25,26,27,40,41,42,43,48,49},{19,20,23,24,25,26,41,42,43,44,47,48},{20,21,22,23,24,25,42,43,44,45,46,47},{21,22,23,24,43,44,45,46,68,68,68,68},{22,23,44,45,68,68,68,68,68,68,68,68},{22,45,68,68,68,68,68,68,68,68,68,68}};//Blinkanimationinteyelid=0;inteyelidNum[8]={0,4,8,16,24,34,44,56};inteyelidLED[56]={64,65,66,67,58,59,60,61,56,57,62,63,49,50,51,52,47,48,53,54,38,39,40,41,46,55,36,37,42,43,26,27,28,29,35,44,24,25,30,31,15,16,17,18,34,45,23,32,13,14,19,20,6,7,8,9};QTRSensorsAnalogqtra((unsignedchar[]){0,1},NUM_SENSORS,NUM_SAMPLES_PER_SENSOR,EMITTER_PIN);unsignedintsensorValues[NUM_SENSORS];voidblink(inteyelid,intLR){if(eyelid!=8){//Pewterfor(uint16_ti=0;iled.setPixelColor(i,led.Color(66,66,66));}//Blackeyefor(uint16_ti=0;iled.setPixelColor(blackLED[LR][i],color);}//pupilfor(uint16_ti=0;iled.setPixelColor(pupilLED[LR][i],led.Color(0,0,66));}//eyelidfor(inti=0;iled.setPixelColor(eyelidLED[i],0);}}elseif(eyelid==8){led.clear();}led.show();}voidsetup(){Serial.begin(115200);led.begin();led.setBrightness(brightness);//InitialBrightness40led.show();//Initializeallpixelsto'off'color=led.Color(0,177,55);//pupilcolordelay(100);qtra.read(sensorValues);iniSensorValL=sensorValues[0];iniSensorValR=sensorValues[1];blink(eyelid,LR);}voidloop(){//QTR-1Asensorvalueqtra.read(sensorValues);sensorValL=sensorValues[0];sensorValR=sensorValues[1];doublerasioL=(double)sensorValL/iniSensorValL;doublerasioR=(double)sensorValR/iniSensorValR;Serial.print(rasioL);Serial.print("");Serial.println(rasioR);if(rasioL>0.985&&rasioRfor(inti=LR;iblink(0,i);delay(40);LR=i;}}elseif(rasioL0.985){//leftfor(inti=LR;i>2;i--){blink(0,i);delay(40);LR=i;}}elseif(lid==false&&rasioLfor(inti=1;iblink(i,LR);delay(40);lid=true;}}elseif(lid==true&&rasioL>0.96&&rasioR>0.96){//Blinkingopenfor(inti=8;i>0;i--){blink(i,LR);delay(40);lid=false;}}elseif(lid==false&&rasioL>0.96&&rasioR>0.96){//normal//cnt++;//eyelid=0;if(LRfor(inti=LR;iblink(0,i);delay(40);LR=i;}}else{for(inti=LR;i>=7;i--){blink(0,i);delay(40);LR=i;}}Serial.println("通常時");}//Initialvaluerefreshif(cnt>10){iniSensorValL=sensorValL;iniSensorValR=sensorValR;cnt=0;}}如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

背景ECG呼吸防护罩将医疗设备提升到另一个层次，而用于监测心脏电活动的复杂系统则采用了一种新形式。新设备是便携式的、不太复杂的和高效的心电图监测系统。该项目有助于展示如何将心电图盾牌与Arduino一起使用。将屏蔽连接到您的Arduino通过将ECG/呼吸防护罩堆叠在Arduino顶部，将其连接到Arduino。此扩展板使用SPI接口与Arduino进行通信。该扩展板包括ICSP接头，供较新的Arduino变体用于SPI通信，因此与较新的Arduino变体（例如Yun和Due）兼容。安装Arduino库Arduino库包含与ADS1292RShield通信所需的函数。请按照以下步骤下载并让库正常工作。下载库文件。解压缩之后，您应该会看到一个名为“ads1292r_shield”的文件夹。将此文件夹复制到ArduinoIDE的库文件夹中。根据您的操作系统，这可能在您的ArduinoIDE文件夹或您的文档文件夹中。有关文件夹结构的更多信息，请参阅http://arduino.cc/en/Guide/Libraries。使用处理-数据可视化软件Processing是一种数据可视化软件，它是一个基于Java的开源编码框架。如果您熟悉Arduino环境，ProcessingIDE是类似的，您不会需要付出太多的额外精力！注意：ECG可视化代码仅使用处理IDE版本2.2.1执行。以下是运行代码的步骤：1.为您的操作系统下载处理苹果系统Linux32位Linux64位Windows32位Windows64位下载后，解压缩存档并根据您的操作系统安装应用程序。2.下载心电图可视化处理代码从GitHub下载必要的文件和目录或克隆到您的桌面。解压缩档案应该会创建一个名为ads1292r_shield的文件夹，其中包含可视化代码。在您的计算机上找到处理速写本目录。这应该在您安装处理时自动创建。根据您的操作系统，路径将如下所示：在Windows上：c:/MyDocuments/Processing在MAC上：/Users/your_user_name/Documents/Processing在Linux上：/Home/your_user_name/sketchbook/注意：此目录在Windows/Mac上显示为“Processing”，在Linux上名为“Sketchbook”。如果不存在，则按名称“库”创建一个子目录。从上面提到的“ads1292r_shield”目录复制/移动ADS1292rShield_BreakoutProcessingces_view_ecg文件夹的内容到上面也提到的Processingsketchbook目录（找到Processingsketchbook）最后，从ADS1292rShield_BreakoutProcessinglibraries中复制controlP5和gwoptics文件夹，并将它们粘贴到Processing速写本的library目录中。现在您已准备好从ADS1292R获得您的第一个ECG读数可视化！3.打开处理并启动ces_view_ecg如果处理IDE已打开，请将其关闭并重新打开以刷新库和草图。如果在更新草图和库时IDE处于打开状态，则不会刷新存储库。双击ces_view_ecg目录中的任何.pde文件以打开处理IDE中的所有ecg代码。目前为止所做的一切都没问题之后，单击IDE左上角的“运行”按钮，运行代码！如果没有正常运行代码，请确保您是否正确安装了库并且使用的是2.2.1版本。GUI运行后，从“SELECTPORT”下拉列表中选择与ECG连接的端口，如下图所示一旦端口选择合适，启动按钮就会启用。点击“START”开始可视化您应该会看到使用从ADS1292rShieldBreakoutBoard获得的值生成的ECG波，如下所示。连接ECG电极与屏蔽一起提供了一个3电极电缆和一个标准立体声插孔。您可以使用电极和电缆连接到屏蔽层。板载电极接口在下方突出显示，便于定位。电极连接器的另一侧将连接到附在身体上的卡扣式电极。出于测试目的，您可以使用ECG模拟器向电路板提供输入。警告：请先断开Arduino的主电源/电源，再将电极连接到身体。例如，您将Arduino与笔记本电脑一起使用，先从笔记本电脑上断开电池充电器将是一个安全的选择。将电极放在身体上重要提示：此设备不打算用于/用作医疗诊断设备。这仅用于评估和研究目的。安全警告：当Arduino插入计算机的USB端口时，将电极连接到身体时要小心。确保您的笔记本电脑的主电源已断开，这样您就不会在地面和您的身体之间提供直连。如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

这个在ATtiny85上实施的项目显示了一个移动的光电容积图以及脉搏率和SpO2-血氧百分比的估计值。它使用SSD1306128x32OLED显示屏和MAX30102传感器。需要强调的是，这不应用于医疗目的。SpO2的计算非常近似，并且没有以任何方式校准。该项目是一个练习，看看使用只有512字节RAM的处理器可以实现多少功能。这意味着来自MAX30102传感器的样本必须即时处理。大多数现有的Arduino程序读取大约100个样本的块，然后处理它们。更新我已经把该软件的另一个版本的GitHub的库子目录nanoPulsePPG是一个标准的AVR的Arduino运行-在纳米测试，但也应在一个工作乌诺这样说，你可以轻松地尝试与该软件和传感器。请参见原理图部分。3DÇASE加入-见下文！硬件我在原型板上实现了硬件，如下所示，但是，根据以下所示的电路图，组件同样可以组装在面包板上：ATtiny85配置为使用SpenceKonde的ATtinyCore以16MHz运行。因此，根据数据表，电源电压应>4.5V。事实上，它似乎可以用锂电池（3.7-4.2V）愉快地运行。几秒钟后，将显示以下屏幕：当手指放在传感器上时，会显示PPG、心率和血氧的两个估计值。每次心跳时红色LED会脉冲一次。PPG显示每50毫秒更新一次。该视频显示了波形在传递到移动平均滤波器之前的波形，该滤波器平滑波形以进行峰值/节拍检测。如果手指没有放在传感器上，那么在10秒后系统进入睡眠状态时，板上的单个按钮会唤醒系统，此外它还会循环显示四个选项。这些选项允许用户显示从红色LEDD检测到的波形以及从IRLED显示的波形。在上图中，选择了通过移动平均滤波器后显示波形的选项。软件问题驱动程序问题-使用的MaximMAX30102传感器安装在MH-ETLIVE分线板上。MAX30102的Maxim数据表暗示但没有明确说明LED1为红色，LED2为红外(IR)，但是，如果LED1的幅度设置为零，红色LED（如位置指)图片保持点亮，而如果LED2设置为零，则红色LED熄灭。显而易见的结论是LED1是IR而LED2是红色（即交换），这在计算血氧时也有效-见下文。我提到这是因为MAX30102的Arduino项目中最常用的驱动程序是SparkFun3010x驱动程序，它清楚地识别LED1为红色，LED2为IR。这可能适用于安装在Sparkfun板上的MAX30105器件，但似乎不适用于MH-ET-LIVE板上的MAX30102。Spo2计算“SpO2代表外周毛细血管氧饱和度，是血液中氧含量的估计值。更具体地说，它是含氧血红蛋白（含氧血红蛋白）与血液中血红蛋白总量（含氧和非氧化血红蛋白）。”氧合血红蛋白和脱氧血红蛋白对红光和红外波长具有不同的光吸收特性。这是MAX30102等传感器的基础。计算使用比率：R=(AC_red/DC_red)/(AC_IR/DC_IR)其中AC_xxx是xxx信号的波动分量，DC_xxx是固定分量。tinyPulsePPG在两个不同的公式中使用R。上面的百分比来自经典公式：R=104-1.7*R下层使用来自MaximArduino驱动程序的表格，它是公式的近似值：-45.060*R*R+30.354*R+94.845AC在tinyPulsePPG中计算为去除DC元素后信号的峰峰值幅度。DC元素由指数移动平均滤波器计算，AC也被过滤。我还没有对这些过滤器中的常数进行足够的实验来确定对SpO2计算的影响，或者这种方法计算这些量的可靠性。PPG显示来自传感器的读取和红外信号经过两个阶段的过滤。如上所述，首先是去除直流元件。第二个是移动平均滤波器，它充当低通滤波器以在信号输入到节拍检测器之前去除瞬态。可以显示每个过滤器之后的波形，但是，通常未平均的波形更有趣。例如，在项目照片和上面的第一个视频中可以看到重瓣切迹-“在主动脉瓣关闭时主动脉压力瞬时增加对应的脉搏曲线下降部分的二次上升。-韦氏词典”我已经注意到，如果这个重发性凹口特别强——年轻的个体——它可以克服第二阶段的过滤并导致心跳检测器的错误输出，该检测器主要寻找波中的波峰和波谷。正在进行的工作！3D打印案例我添加了一个指向包含OpenScad和STL文件的存储库的链接，如下所示：您需要调整外壳的高度和电路板的高度以适合您的电路板和电池。上图所示的电路板比原始版本（8毫米）低。本方案所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

本方案是用于冠状病毒(SARS-CoV-2)的UV-C/热、Arduino控制的面罩消毒装置。口罩消毒装置UV-C/加热，Arduino控制，用于冠状病毒(SARS-CoV-2)的面罩消毒装置介绍FFP1和FFP2口罩是疫情期间不可缺少的防护要素.它们旨在一次性使用，但在危机期间，重复使用是不可避免的，并且需要消毒机制(1)⁠。在持续的SARS-CoV-2大流行期间，医院、医疗中心和研究机构对这些口罩实施了不同的消毒机制，通常涉及紫外线杀菌照射(UVGI)和/或某种热量。尽管如此，这些方法并不适用于许多脆弱的人群，但由于短缺，这些口罩的重复使用已成为唯一的选择。有证据表明，即使在7天后，SARS-CoV-2在外科口罩的表面仍非常稳定，因此对可行的口罩消毒方法的需求进一步增加(2)⁠。该项目旨在创造一种低成本的便携式设备，可以有效地利用UVGI和干热对来自SARS-CoV病毒体的口罩进行消毒，并且可以由需要的人轻松复制。DIY消毒装置制作说明设备设置图温度必须保持在65+/-5°C的范围内灯管必须提供UV-C波长。消毒循环持续时间至少为30分钟。（建议：不超过30分钟，以获得更安全的范围，以避免潜在的面罩退化和功能丧失。）设备尺寸第一次热测试加热系统的制作一个直径为22厘米（感应兼容）的煎锅，手柄已拆除。用铝箔盖住煎锅以反射UV-C光。在盒子/设备底面的中心开一个20厘米的孔。为了保持煎锅的位置，请使用四个金属支架，如图所示。重要提示：煎锅不应接触盒子的木头，因为它会降低热效率。因此，必须根据下图选择合适的孔直径并塑造金属支架：顶盖的制作UV-C系统对于该设备中的UV-C源，使用了“水族馆消毒器”套件中的11W灯泡。如图所示，UV-C灯泡被取出并安装到灯泡两端的顶盖上。灯泡的安装方法是在顶盖上开4个孔，并使用扎带/扎线带和软垫牢固地固定灯泡。顶部表面覆盖有铝以反射紫外线辐射。随意使用其他来源的UV-C灯。如果您无法接触到水晶管（在本项目中使用），请不要使用玻璃作为替代品，因为玻璃会阻挡紫外线辐射。制作线架-放置面罩面罩将放置在金属架的顶部。I线架使用铜细线制成，每根线相距30毫米。线架位于底面上方120毫米处。通过将电线穿过盒子前后表面上的小孔，将电线架固定在一起。设置Arduino和传感器Arduino概述材料清单ArduinoUNORev3格罗夫基础护盾V2,0Grove红外温度传感器格罗夫光传感器(P)按钮压电扬声器四位字母数字显示器-白色0.54"数字，带I2C背包墙上适配器电源12VDC温度和光线传感器：Arduino控制INIT：在此状态下，LED显示指示温度，但您必须等待它达到阈值（70°C）才能在COUNT状态下开始循环计数计数：从30到0的分钟数显示在LED显示屏上，温度旁边。在温度过低的情况下，或者如果紫外线灯关闭，状态将变为ERR。END：这是经过时间结束时的正常状态。演讲者会做广告。按下按钮再次进入INIT。ERR：这是错误状态，如果温度太低或紫外线灯关闭，它将被激活。演讲者会做广告。按下按钮再次进入INIT。警报报警条件很少-如果报警开启，扬声器上会有特定的音序，LED显示屏上会显示消息。报警条件：1)如果系统处于ERR状态（UV灯关闭/丢失或温度太低）2)如果温度太高（超过75°C）用户手册1.将盒子放在感应（或电阻）炉灶的顶部。2.打开Arduino的电源。3.关闭盒子，以电磁炉功率的70~80%开始加热。4.等到温度达到60°C。现在将电磁炉的变化功率降低到30%。5.现在您可以打开设备，将口罩放入并关闭设备。7.按下按钮开始=>应显示剩余时间（30分钟）。8.从现在开始，您只需等待时间减少到00分钟，扬声器上就会有信号。9.要从初始状态重新开始新的循环，只需按下按钮。备注：当计时器正在计算经过时间（COUNT状态）时，Timer和Temperature显示之间的小点将以1秒的节奏闪烁。温度循环病毒的热灭活自巴斯德时代以来，人们就知道通过通常低于100°C的湿热去除微生物的能力。在该设备中，我们实施了干热，据报道，这可以有效消除SARS-CoV的传染性。分析表明，病毒在56°C下在30-90分钟内大量灭活，在65°C下几乎完全灭活20-60分钟，在75°C下在30-45分钟内完全灭活(7,8)⁠。此外，最近的一项研究表明，在56°C下孵育30分钟或在70°C下孵育5分钟后，SARS-CoV-2失去了所有可检测的传染性(2)⁠。根据这些证据和关于这些消毒方法对面罩功能影响的额外考虑——这将在下一节中解释——，我们决定将与设备一起使用的协议的热暴露设置为65℃30分钟。面罩上的杀菌协议到目前为止，我们已经提供了有关对与我们打算对其进行消毒的口罩不同的样本进行病毒消毒的证据。因此，我们在这里介绍一些关于我们打算使用的同一类型口罩的病毒消毒报告。使用约1J/cm2的UVGI(10)⁠、约18J/cm2的UVGI或65±5°C的湿热在3小时内消毒口罩对流感病毒有效(11)⁠.没有关于用冠状病毒对口罩进行消毒的研究，但由于流感病毒也是ssRNA病毒，因此可以预期类似的效果。结论考虑到收集到的证据和设备的技术细节，我们决定将消毒协议设置为UVC照射30分钟和65±5°C的干热。考虑到设备达到所需温度和光强度所需的时间，必须计算该时间。单独使用这些规格的UVC或加热应该足以消除几乎所有的SARS-CoV-2传染性，并且两者的同时作用应该将该方法的有效性提高到更安全的水平。安全考虑•UVC辐射对皮肤和眼睛有害。只有在盒子关闭时才应打开UVC灯泡。•小心盒子的金属部件，加热后可能会很热并可能灼伤皮肤。免责声明根据现有的科学证据，消毒方案可能会消除几乎所有的SARS-CoV传染性，并且肯定会使口罩比不进行任何消毒更安全地重复使用。但是，Needlab和从事该项目的成员对该设备的使用不承担任何责任。它的设计是出于善意，并尽我们所知和能力，但必须声明以下内容：在使用该设备灭活SARS-CoV-2方面尚未进行适当的实验室测试，也无法事先自信地评估对口罩过滤能力的实际影响。设备和本指南的使用是一个自由决定。本方案所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

本方案是一个简约的紧急呼吸机，可精细控制BPM、潮气量和流速，带有数字接口。在冠状病毒大流行造成的全球危机中，医院和医疗机构报告称，重要设备短缺。需求增加的一种重要设备是呼吸机，供因COVID-19的呼吸影响而需要呼吸帮助的患者使用。基本上，呼吸机是一种机器，可将可呼吸的空气提供进出肺部，为身体无法呼吸或呼吸不足的患者提供呼吸。DIY呼吸机的效率可能不如医疗级呼吸机，但如果它可以控制以下关键参数，它可以作为一个很好的替代品潮气量：它是呼吸机每次呼吸时输送到肺部的空气量-通常在静止状态下为500毫升。BPM（每分钟呼吸次数）：这是提供呼吸的设定速率。吸气：呼气比（IERatio）：指吸气时间：呼气时间的比值。流速：是呼吸机输送设定的潮气量呼吸的最大流量Peep（呼气末正压）：它是在呼气末存在的高于大气压的肺部压力。我的设计基于手动BVM（Ambu-bag）的自动化，您可以在任何医疗用品商店找到它。它是一种手持式设备，通常用于提供正压通气。当袋子被挤压时，空气进入患者的肺部，而不可逆的呼吸阀可防止呼出的空气回火。然后，AMBU袋子通过从其背面从阀门吸入空气来自行分配。可以使用环境空气作为“燃料”，也可以连接氧气瓶。在后一种情况下，可以连接一个罐来收集患者未使用的多余氧气。大多数DIY呼吸机都基于ambu袋和直接驱动执行器。在我的设计中，我试图简化致动器机制，并且我还为该单元制作了一个更好的用户界面。我的设计中的关键元素是一个线性致动器，它与一个杠杆机构相结合，可以压缩ambu袋。还提供了一个控制面板，用于精确控制通风参数。使用胶合板或类似的坚固材料制作外壳和杠杆机构。在杠杆臂下切一个切口，这样ambu袋子就可以放在那里而不会滑动。我不建议您使用任何特定的硬件（螺母、轴承等），因为在这种不利情况下您可能很难找到零件。但请确保遵循设计。对于那些拥有CNC的人，我会尽快上传计划。驱动机构为了制作线性执行器，我使用了一个与丝杠（或Nema17+联轴器）集成的双极步进电机，并与一个移动螺母耦合。当电机轴旋转时，移动螺母沿丝杠平移，从而实现线性运动。最后，可以通过改变来实现对通风参数的控制；转数（行程）---->潮气量转速----->流量顺时针步进：逆时针步进--->IE比率每分钟换向频率---->BPM电路我正在使用A4988来控制步进电机。A4988是一种用于控制双极步进电机的微步进驱动器，它具有易于操作的内置转换器。这意味着我们可以使用Arduino的2个引脚来控制步进电机，即一个用于控制旋转方向，另一个用于控制步骤。对于用户界面，我用20X4字符显示器和3个按钮（用于向上、向下和确定功能）制作了一个控制面板。您可以简单地将显示器直接与arduino连接，但我更喜欢使用I2c显示适配器，以便您可以即插即用而不会出现混乱。为下拉目的为每个单独的按钮添加了10K电阻器。如图所示连接组件。确保您已经安装了代码中提到的所有必要的库。现在，上传任何提供给您的arduino的草图。使用12vSMPS（最小3A）为设置供电。在运行测试代码时，电机执行顺时针和逆时针旋转的循环，以确保执行器运行平稳。为了整体测试控制面板和设备，将final_code.ino上传到arduino。现在您可以通过控制面板与呼吸机连接。默认情况下，所有通气参数都显示在屏幕上。使用“向上”/“向下”按钮在参数之间切换，然后按“确定”按钮选择参数。再次使用向上/向下按钮增加/减少所选参数的值。最后按“确定”确认值。将电路和电源装置组装在呼吸机外壳内，并确保一切都固定到位。我很难找到为机械零件制作外壳的资源。所以我不得不使用可用的东西。但是正如您所看到的，我在构建此版本时遵循了概念设计中的关键功能，并且它的效果比我预期的要好得多！如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

智能隧道可防止COVID-19/SARS-CoV-2的进一步传播。它可以在短短15秒的时间内对一个人进行全面消毒。智能消毒和卫生隧道展示了它如何设计为在大约15秒内为穿过隧道的人们提供最大程度的保护。这可以帮助社区对抗COVID-19。该项目的主要思想是建造一个可以尝试阻止COVID-19传播的隧道。这条消毒和卫生隧道的准备是为了在15秒内对任何可能的细菌进行消毒。使用的消毒剂溶液由次氯酸钠(NaOCl)和水(H2O)组成。消毒剂是非挥发性的，因此能够延长真实和杀菌活性，并对表面进行消毒。所以，我主动做了这个智能消毒和卫生隧道。这条隧道是在12小时内建成的。它可以在短短15秒的时间内为一个人从头到脚彻底消毒，并且所使用的溶液完全无害*。隧道的总成本约为30,000卢比或400美元。在哪里使用？食品市场办公室购物广场机场巴士站火车站警察局大学医院殖民地这个怎么运作1HP水泵机放置在每个隧道的一侧，从水箱中抽取0.4%次氯酸钠溶液在100升水中的溶液。由于机器是自动的，它可以感应是否有人进入隧道。当任何人进入隧道时，水泵将启动15秒。这样用户就可以通过那个隧道，如果隧道里没有人，泵将关闭以节省水和电。雾状消毒喷雾可在至少60分钟（大约*）的时间内保护市民免于感染细菌。因为它可以对空气、暴露的皮肤和人体衣物进行消毒。用于200升溶液的塑料罐和用于高压管道系统的泵位于隧道的一侧。根据计算，该溶液应足以使用8-10小时。因为它在入口上方有一个运动传感器，以节省防腐剂。（可能因进入隧道的人数而异**）流程图硬件设置我用金属型材铺设了框架，可折叠，以便它可以从一个地方运输到另一个地方，当它全部完成时，存放以备下一次启示录。覆盖物是由横幅（用于户外围板广告）。横幅很容易与带有塑料系带的金属型材固定在一起。它很快，不需要特殊技能。用于200升溶液的塑料罐和用于高压管道系统的泵位于与四通雾化器组件相连的隧道一侧。整个隧道都使用微型管道为雾化器提供溶液。里面有一个高压管道，可以连接4个四通雾化器。雾气不会在衣服上留下任何痕迹，同时完全包裹住进来的人，即使在难以触及的衣服褶皱中也能消灭病毒，并在出口后提供一段时间的保护。作为解决方案，该项目中使用了经过认证的解决方案。四路雾化器放电率：30LPH/0.5LPM（1个雾化器）推荐压力：45-60psi平均液滴尺寸：65微米（55-60psi）过滤要求：130微米（120目）所需泵：40至45米水头使用的其他配件准备Arduino水泵实际上是通过检测红外线来工作的。每当人体靠近运动传感器时，人体会反射红外线，运动传感器会检测到这种红外线，并通过输出引脚为我们提供高电平信号。然后这个HIGH信号被Arduino读取。因此，如果Arduino读取到HIGH信号，它将向继电器模块发出一个HIGH信号，这意味着继电器将打开，因此电源继电器将打开并打开水泵15秒（可以被改变）。同样，如果Arduino读取低电平信号，它将使继电器引脚变为低电平，因此水泵将保持关闭状态。在这里，我使用了2个PIR传感器来使其更精确，如果它们中的任何一个感应到运动，那么继电器将打开15秒（可以更改）。我们不能将5V继电器直接与水泵一起使用，因为在我的情况下，我在这个项目中使用的水泵的安培（A）额定值为16安培，而5V继电器的最大负载为10安培，因此可以控制水泵我又使用了一个带有5V继电器模块的继电器。这是12V电源继电器。注意：我还添加了一个切换开关，以防万一传感器出现故障。所以它可以将其设置为手动模式。我在这个项目中使用了两个继电器，一个是5V继电器模块，另一个是功率继电器。代码：intrelayPin=12;//choosethepinfortheRelayPinintinputPin=2;//choosetheinputpin(forPIRsensor)intinputPin2=3;//choosetheinputpin(forPIRsensor02)intpirState=LOW;//atstart,assumingnomotiondetectedintval=0;//variableforreadingthepinstatusintval2=0;//variableforreadingthepinstatusvoidsetup(){pinMode(relayPin,OUTPUT);//declareRelayasoutputpinMode(inputPin,INPUT);//declaresensorasinputpinMode(inputPin2,INPUT);Serial.begin(9600);}voidloop(){val=digitalRead(inputPin);//readinputvalueval2=digitalRead(inputPin2);//readinputvalueif(val==HIGH||val2==HIGH){//checkiftheinputisHIGHdigitalWrite(relayPin,HIGH);//turnRelayONif(pirState==LOW){//turnedonSerial.println("Motiondetected!");//15secdelaydelay(15000);pirState=HIGH;}}else{digitalWrite(relayPin,0);//turnRelayOFFif(pirState==HIGH){//turnedoffSerial.println("Motionended!");pirState=LOW;}}}该项目的最终布线看起来有点乱，但工作得很好。全部接线后，我只是使用基本传感对其进行测试，然后继续检查继电器是否在触发。准备树莓派3（可选）这是可选的。如果您需要对数据进行一些分析并精确计算使用此隧道的人数。你可以实现这部分。虽然，有很多方法可以使用一些物理传感器（如PIR传感器和超声波传感器）来计算，但我在考虑所有赔率时发现这更精确。有一个机器学习模型，它使用Python中的OpenCV检测人体并将日志存储在文件中，该文件可以处理以在应用程序中显示数据。连接Pi相机关闭树莓派在USB模块和HDMI模块之间找到摄像头模块。通过（轻轻）向上拉来解锁黑色塑料夹插入相机模块带状电缆（金属连接器背对RaspberryPi4上的以太网/USB端口）锁上黑色塑料夹如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

该方案使用nRF5340DK预测房颤、AV阻滞1和正常心电图，概率>90%。使用EdgeImpulse软件开发了一个心电图分析仪，它具有以下功能：•由EdgeImpulse提供支持的ECGAnalyzer将分析ECG数据，而无需依赖互联网。•与物联网设备相比，延迟最低•15KbRom-ECGAnalyzingTinyML模型可以在任何支持TinyML的微控制器上运行。•该设备将分析心电图模式并分类为正常、心房颤动和一级心脏传导阻滞库可移植到nRF5340DK关于心电图和心力衰竭状况的基本医学术语：在详细的技术工作之前，让我们先了解一下基本的医学术语。在这个项目中，模型将分析PR间隔和R到R波间隔。房颤案例：一级心脏传导阻滞：新方法：为了提高模型预测的准确性，我从过滤后的ECG数据中创建了一个单独的波形。新波形：R-R间隔PR间隔训练数据集：TinyML模型的结果：在nRF5340DK中导入“ECG库”要遵循的步骤：ECG分析器库是一个C库，具有所有预定义的信号处理功能，可将滤波后的ECG波拆分为RR波和PR波。打开nRFConnect并打开工具链管理器安装并打开nRFConnectSDKIDEv1.5.0开IDE，我们需要导入现有的“NRF连接SDK项目”。我选择了“Helloworld”项目，因为nRF5340DK将通过数据转发器与“EdgeImpulse”通信。Helloworld项目将通过COM端口打印语句/数据，这足以建立nRF5340DK与EdgeImpulse之间的通信。选择项目目录选择选项并跟踪到以下路径用户\ncs\v1.5.0\zephyr\samples\hello_world跟踪到以下路径；C:\Users\ncs\v1.5.0\zephyr\boards\arm\nrf5340dk_nrf5340最终的导入项目配置如下所示。将“helloworld”项目中的main.c复制并替换为包含在Github链接下方的main.c文件中的ECGlib。心电模拟模式：带有ECGAnalyzer库的nRF5340DK将在模拟模式下工作，可以使用来自任何开源平台或通过AD8232传感器的ECG数据。数据采集​​应粘贴在main.c文件中的“simulated_ecg_data”缓冲区中。干扰时间为5ms。布尔值应设置为1。main.c文件（第110行）中提供了不同的ECG条件数据。取消注释必要条件数据缓冲区并构建代码。从下面的线，我们可以看到正常、心房颤动和AVblock1病例数据缓冲区可用。插入nRF5340DK：由于它处于nRF5340的模拟模式，因此不需要引脚连接。连接nRF5340DK板后，构建并烧写代码。闪烁后，在串行终端中可视化数据。我使用Arduinoide查看来自COM端口7的实时数据。连接到边缘脉冲：打开命令窗口输入“edge-impulse-data-forwarder”并确保nRF5340DK连接到系统。然后它将连接到边缘脉冲。连接后，为设备命名，我给了nRF5340和三个信号名称，分别为“过滤心电图”、“RR间隔”和“PR间隔”。然后我们可以注意到板连接到边缘脉冲。它将在数据采集部分显示设备名称。由于ECGAnalyzerTinyML已经创建，我将跳到测试部分。达到的准确率为97%。结果：使用EdgeImpulse创建的TinyML模型可以轻松写入nRF5340DK板，并在仿真模式(=ON)下分析心脏状况。该方案中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。

这个教程展示了如何使用MAX30102、XIAO和一个微型显示器来构建血氧和心率计。第1步：传感器和算法该项目使用MaximIntegratedMAX30102生物传感器来检测脉搏血氧仪和心率。不过官方的样本不是那么准确，所以会用MolecularD算法代替。参考：https://www.instructables.com/Pulse-Oximeter-With-Much-Improved-Precision/第2步:硬件准备单片机脉搏血氧计计算算法需要一些内存。Arduino经典系列没有足够的内存用于数据缓冲区。而且我希望所有组件都可以安装在一个400孔的面包板上，所以我需要一个更小的。我手头有一个SeeeduinoXIAO。展示任何支持Arduino_GFX的显示器都应该没问题，我手头有一个1.14"135x240彩色显示器。传感器MaximIntegratedMAX30102生物传感器。第3步：面包板连接以下是连接摘要：XIAO->Display->MAX30102VCC->VCC,BLK->VCCGND->GND,CS->GNDGPIO0->INTGPIO2->RSTGPIO3->DCGPIO4->SDAGPIO5->SCLGPIO8->SCLGPIO10->SDA第4步：编程如果还没有，请遵循SeeeduinoXIAO软件安装指南：https://wiki.seeedstudio.com/Seeeduino-XIAO/#softw...下载源代码：https://github.com/moononournation/BloodOxygenHea...在ArduinoIDE中打开BloodOxygenHeartRateMeter.ino按上传第5步：如何使用插入USB电源等待“戴上手指”消息显示将手指放在MAX30102传感器上，显示“正在测量...”消息保持并等待几秒钟，血氧和心率数据显示第6步：交叉检查数字我已经用AppleWatchSeries6交叉检查了读数，MolecularD算法可以给出与AppleWatch相当的非常精确的数字。以上,就是关于这个项目的全部分享了,有问题欢迎评论交流。

如今，在印度获得疫苗接种位是一项艰巨的任务，尤其是对于18至44岁年龄段的人群。但我观察到，总有一些中心时不时会弹出1或2个空插槽，这可能是由于插槽的重新安排或取消。我决定制作一个装置可以提醒我。因此，我将向您展示我如何使用CoWIN网站上的开放API并制作通知程序以在疫苗接种槽，有空位时提醒。第1步：计划得益于CoWIN网站提供的开放API，您可以访问有关每个疫苗接种中心和每日预约可用性的数据。您所要做的就是输入请求URL。然后，您将收到JSON格式的数据，需要对其进行反序列化以获得所需的数据。您可以在以下6个API之间进行选择，这完全取决于您要搜索的方式，按密码或按地区或按中心。这6个可以分为两类。首先是“findby”，它仅提供您输入的日期的可用性。另一个是“calenderBy”，显示接下来7天的可用性。我更喜欢“calenderByCenter”，它会在接下来的7天内提供特定中心的预约可用性。然后我将编写一个代码，只从原始JSON数据中提取有用的位，在OLED显示器上显示信息，并在有空插槽时使用蜂鸣器发出声音警报。在我测试代码时，它实际上给了我一个突然出现的空位警报，试验成功。第2步：您需要的东西1xESP32-WROOM-321x分线板1x128x64IICOLED显示屏1个AMS11173.3V稳压器1x蜂鸣器1xUSB数据线1x10k电阻第3步：获取中心ID由于我们使用的是calenderByCenter方法，因此我们需要提供“中心ID”作为API的输入。这就是您可以找到中心ID的方法。我在下面使用的所有API都可以在这里找到。首先，您需要知道状态ID。转到下面提到的链接并记下您所在州的“state_id”。https://cdn-api.co-vin.in/api/v2/admin/location/st...获得州ID后，您将需要一个地区ID。复制下面提到的链接并将“state_id”替换为您所在州的州ID。您需要记下要关注的中心的ID区。“https://cdn-api.co-vin.in/api/v2/admin/location/districts/state_id”复制下面提到的链接并用您的地区替换该地区并添加今天的日期。接下来，搜索您所在地区的疫苗接种中心并复制其名称。“https://cdn-api.co-vin.in/api/v2/appointment/sessions/public/findByDistrict?district_id=395&date=16-06-2021”使用Ctrl+F搜索中心名称。还有中心ID！第4步：代码在上传代码之前，您需要进行以下更改，如图所示。确保为lberstone的蜂鸣器下载并安装Tone32库输入您的WiFiSSID和密码。在centerID[]数组中输入中心ID（在上一步中收集），以逗号分隔。输入在上述数组中输入的中心总数。（注意：这需要修复。我无法直接使用该函数获取数组的“大小”）如果您想根据需要修改代码，您可以按照下一步学习如何反序列化JSON数据。第5步：反序列化JSON发送请求URL后，您将获得原始JSON数据，需要对其进行反序列化以获取所需数据。什么是JSON？JSON代表ĴAVA小号CRIPTöbjectÑ浮选。JSON是一种用于存储和传输数据的轻量级格式。它通常用于从Web服务器读取数据。这也正是这里所做的。JSON数据以名称/值对的形式写入。它们都用冒号(:)分隔。“center_id”：“711435”JSON对象写在大括号{}{"center_id":"711435","name":"FortisHospitalKalyanW"}JSON数组写在方括号[]中“中心”：[{"center_id":711435,"name":"FortisHospitalKalyanW"},{"center_id":"718791","name":"SRIVANIVIDYASHALASCHOOL"}]上面的数组有两个元素。简单来说，中心[0]={"center_id":"711435","name":"FortisHospitalKalyanW"}centers[1]={"center_id":"718791","name":"SRIVANIVIDYASHALA学校”}我将使用相同的逻辑从CoWIN网站提供的整个原始数据中获取所需的点点滴滴。另外，我正在使用bblanchon的ArduinoJson库。这让事情变得容易多了。您可以像这样使用JSON查看器来了解原始数据。在第一张图中，我们可以看到数组“sessions”包含5个元素。在每个元素中，有许多名称/值对。例如，我想获取名称“name”的值。"name":"SRIVANIVIDYASHALA学校"它可以通过以下方式传递给字符串。Stringcenter_name=obj["sessions"][0]["name"];//center_name="SRIVANIVIDYASHALA学校"同样对于元素1，Stringcenter_name=obj["sessions"][1]["name"];//center_name="KDMC艺术画廊KALYANW"您还可以找到“嵌套”数组，如第二张图片所示。换句话说，嵌套数组是数组内的数组。但逻辑保持不变。例如，我想获取疫苗的名称。该名称/值对存在于数组“sessions”的元素“0”中，该数组进一步存在于另一个数组“centers”的元素“0”中Stringvaccine_name=obj["centers"][0]["sessions"][0]["name"];//vaccine_name="COVISHIELD"第6步：3D打印没有必要3D打印，您可以使用其他方法轻松制作盒子。总之，这里没什么好看的。我在Fusion360中做了一个小盒子，上面有一个盖子和一个用于OLED的开口。它应该是摩擦配合，不需要螺丝。我用黑色PLA打印了它。第7步：电子产品按照原理图进行连接。我不会得到定制的PCB，因为要进行的连接很少。相反，我使用了ESP32分线板来使设备尽可能小。我“自由形式”焊接了所有组件。由于我将使用5VUSB电源为其供电，而ESP32需要3.3V，因此需要一个3.3V稳压器来降低电压。为了对ESP32进行编程，我使用了FT232RLUSB到UARTTTL转换器。您可以添加一个母头对ESP32进行编程，以便将来随时轻松编程。获取任何未使用的USB电缆，剪掉末端并用它为设备供电。如果ESP32在连接WiFi时不断重启，请在3.3V稳压器的输出端增加一个10uF的陶瓷电容。如果您不喜欢焊接，您也可以使用任何ESP32开发板（如NodeMCU-32S）并制作面包板版本。此外，您不必担心其他问题，例如正确的电源和编程也很容易。第8步：试验结果最后，上传代码并使用USB为其供电。任何可以提供至少1A电流的USB电源都可以工作。坐下来，等待，你就会获得一个空位。谢谢你坚持到最后。我希望你喜欢这个项目。接种疫苗，注意安全，我们下期再见！（以上内容转载自外文网站）

本教程教你如何使ATTINY85一个简单的温度计，一节电池可以使他工作140余天，工作40天之后，它仍然可以以极高的效率完成工作。当涉及到电子设备和编程时，很多人可能会望而却步。因此，在本教程中，让我向您展示如何制作类固醇温度计，在学习的过程中，我相信您一定会学到许多电子设备和编程的知识，那么就让我开始吧！该设备将具有以下功能：1.使用WebSockets实时阅读2.不使用时自动休眠3.从网页控制温度计4.时尚的PCB设计5.集成esp-01F编程器6.3D打印案例第1步：为什么是ESP-01F？在版本1中，闪存存储非常有限，几乎只有8kb，我在运行不同的库时遇到了一些困难。所以，这次我选择了esp-01f，它自带1MB闪存，比ATTINY85大128倍。同时它还具有WiFi、UART等功能，时钟速度高达160MHz。即使对于这个特定项目无关紧要，我们也可以调整规格以使温度计看起来更加实用高效。但代价是它的成本不低，esp-01f是一个非常耗电的模块，因为它具有板载wifi连接，但是通过将模块置于深度睡眠状态可以大大降低这种功耗，它应该只消耗20uA。第2步：其他组件其他组件与温度计版本1类似。对于显示器，我使用相同的0.91英寸128X32OLED显示器，用于温度传感器DS18B20探头，最后电池使用150MAh小型锂电池。第3步：一些细节首先，esp-01f的尺寸非常小，没有内置天线。因此，要么我们必须在PCB上构建一个，要么添加一个外部天线，否则会出现稳定性问题和更短的wifi连接范围。无论如何，除了编程之外，这个模块很难使用，因为占用空间很小，并且无法在任何性能板上焊接它。我以前的许多编程方法和技术都不能很好地解决这个问题。第4步：USB转串口转换器这就是我计划集成一个USB转串口转换器来对esp-01f进行编程的原因。就像Arduino、Nodemcu等开发板上的那些一样。所以，从技术上讲，如果你能给温度计提供更多的引脚，它可以用作开发板，这就是我说它是高效的原因之一。要实现串行编程器，有很多选择，我们可以使用最便宜的CH340，主要在Arduino克隆上看到，或者FTDI。以前用于原始Arduino开发板。我不会使用它们，因为它们的IC封装非常大，而且比wifi模块大得多。第5步：CP2102USB转串口我选择了CP2012。这是硅实验室的USB串行转换器，主要用于NodeMCU和ESP32开发板，与FTDI相比，它们的价格相当适中，而且IC封装的尺寸非常小，非常适合我们的设备。第6步：充电电路还有一个问题，锂聚合物电池。由于它是可充电电池，因此我们需要为其充电。我们可以做到这一点的一种方法是将电池取出并充电，并在完成后重新安装。但是我们需要添加一个tp4056IC和一个微型USB以具有板载充电电路。第7步：焊接一切非常顺利，只需插入微型USB和充电电路为电池充电，只需将此微型USB连接到PC，您就可以使用ArduinoIDE对esp-01f进行编程。第8步：对智能温度计进行编程在这个版本中编程非常简单。只需在ArduinoIDE中打开代码（Github）“温度计V2.ino”并设置ArduinoIDE将代码上传到esp8285。当您按下上传按钮时，代码应该会自动使用最新的代码刷新esp8285，但如果没有，只需在上传过程中单击并按住第一张图片中所示的程序按钮。第9步：制作网页我有点讨厌Web开发，但我还是设法用WebSockets构建了一个草率的网页，显示温度传感器的一些实时温度读数。它不使用任何花哨的库或花哨的框架。它是用HTML、CSS和VanillaJavascript（代码）编写的。第10步：3D打印和组装由于电路板已准备就绪，我想为温度计制作一个时髦的外壳。本来想做一个烟斗，可惜在做PCB设计的时候没有这个想法。所以建造起来相当困难，而且看起来也不那么好看，所以我不得不放弃这个想法。相反，我测量了PCB的确切尺寸并开始设计一个简单优雅的外壳，同时仍然设法像版本1一样轻松访问电路而无需任何紧固件。第11步：测试智能温度计只需单击顶部按钮，这将重置esp并将其从睡眠模式中唤醒。一旦设备处于活动状态，它将打开我们可以连接的接入点。连接后打开任何网络浏览器并搜索代码中分配的IP地址或通过搜索网站。就是这样，现在我们可以通过单击开始来测量温度，并在网页上查看实时数据。您也可以通过单击睡眠按钮使温度计进入睡眠状态。这将清除显示并使温度计进入深度睡眠。如果设备开启超过一分钟且没有人连接到网页，设备将自动进入深度睡眠以节省电量。最后一步：测试功耗正如我在教程开始时告诉您的那样，由于ESP-01F，功耗将高于版本1。因此，如果您在接入点打开且客户端已连接时看到万用表读数，则功耗约为93mA。当温度计处于深度睡眠状态时，它消耗大约1.8mA的电流，与之前的版本消耗低于60uA的电流相比，这是非常重要的。考虑到ESP-01F消耗约20uA（来自数据表），总电路消耗仍应低于100uA。它消耗1.8mA的原因是因为我们添加了其他功能，例如充电电路和板载CP2102USB转串口编程器。非常感谢您来到这里并且对我的项目感兴趣。我希望你喜欢我的项目，并祝贺那些完成项目的人。如果您也制作或喜欢它，请在评论中告诉我，并随时提出任何问题。

在这篇文章中，我将告诉您，如何使用Arduino和一些非常基本的电子元件制作脉搏血氧仪，在Covid19的这种大流行情况下，我们大多数人可能都熟悉我们用来测量血氧饱和度的血氧仪血液和脉搏。第1步：基本原则血氧计如何工作？基本上，血氧仪根据血液中不同光吸收的量计算血液中的氧饱和度百分比。血氧计有一个光电二极管和两个LED，一个是红色LED，另一个是红外LED，两个LED以特定频率一个接一个地切换。如图所示，将指尖放在光电二极管和LED之间进行测量。含氧的血液吸收更多的红外线并通过更多的红光，而脱氧的血液吸收更多的红光并通过更多的红外线。处理器计算光电二极管在不同时间间隔接收到的红光与红外光的比率。有关脉搏血氧饱和度基本原理和解释的更多详细信息，请访问此内容或查看有关NXP脉搏血氧仪基础知识和设计的pdf第2步：让我们自己制作血氧计使用的组件：ArduinoProMiniX1OLED显示屏X1晶体管BC547X2光电二极管X1红外LEDX1红色LEDX1电阻器10Kx1,4.7Kx29V电池X1电池盖X1离合器X1第3步：电路图血氧计还可以使用Max30100传感器来测量血液中的脉搏和血氧饱和度。用它来做脉搏血氧计并不是很关键，因为它结合了两个led，一个光电探测器，优化的光学，低噪声模拟信号处理来检测脉搏血氧计和心率信号和I2C接口。但我想做一个血氧仪与它的基本组件使用在Max30100传感器，即2个led和光电探测器。我把通用光电二极体,使用磨床磨它,让它平、薄,以便它可以接收马克斯光从源,最初是在圆形和黑暗的颜色,这两个因素阻止更多的可见光,这不是适合我们的项目,因为我们使用的是红色可见光以及不可见的红外光。类似地，我从一边磨了一个红色LED和一个红外LED，并用强力胶将它们结合起来。拿一个头发抓器，把光电二极管在它的一边，并结合led在另一边，如图所示。在这之后，我连接了所有的元件，如电路图所示。我在这里没有使用PCB，因为组件很少，所以我把它们焊接在Arduino板周围，然后用热胶固定。用9伏电池为血氧计供电。第4步：组装后我的血氧计第5步：编程Arduinopromini不附带任何类型的用于编程的USB连接器，这就是为什么初学者很难对其进行编程的原因。但是不用担心，我在这里描述了一种将程序上传到Arduinopromini的简单方法。拿一个arduinouno并移除它的主要IC，即AtMEGA328P。然后将它与arduinopromini连接起来，如上图所示。ArduinoUNOArduinoProMiniVcc--------------------------------Vcc地线------------------------------地线接收---------------------------------接收发送----------------------------------发送Rst---------------------------------Rst接线后使用USB电缆将ArduinoUno与计算机连接。下载以下Arduino代码并使用Arduinoide打开它。现在转到工具菜单并选择板ArduinoPromini，再次转到工具菜单并选择COM端口。现在点击上传按钮。上传程序全部完成并准备播放后。脉搏血氧仪.ino第6步：输出完成我将我的血氧仪与专业血氧仪进行了比较，其准确度几乎达到99%。为了达到这个精度，我在代码中做了一些校准设置，检查下面这行代码并根据你的读数进行更改。并使用新的校准公式再次上传程序。////SATURTIONISAFUNCTIONOFR(calibration)//Y=k*x+m//changethevalueofmincreaseordecreaseitasperyourreading//kandmarecalculatedwithanotheroximeterSpO2=-19*R+99;//

中国人口老龄化进程正持续加快：据联合国2010年世界人口的展望，2010年中国60岁以上人口所占百分比为12.3%，预计到2030年将增至24.4%，到2050年甚至将达33.9%。同时，随着人们生活水平的提高，预期寿命越来越长，将会更加注重医疗及保健，门诊/家中保健将越来越普遍。而且，人口老龄化或将催生更高的心脏病、糖尿病、哮喘的发病率，再加上中国政府计划实现全民医保等等，中国的医疗设备行业将会持续地发展。目前中国医疗设备市场分散，且仅由少数大型医疗设备公司如迈瑞、金科威、欧姆龙等主导，市场潜力巨大，众多小型公司也瞄准这一市场，争相开发创新的医疗方案。故医疗设备的发展趋势包括增加“智能”及数据存储特性、便携性、无线/连接型方案、人体区域网络等等。而医疗半导体无疑在医疗设备/方案的创新中发挥着主导作用，朝向更高集成度、小型化、高能效发展，同时使消费类医疗设备转向采用标准元器件并嵌入无线功能。安森美半导体将硅引入生活安森美半导体以高性能硅方案帮助医疗技术开发者解决他们独特的设计挑战。作为健康联盟的活跃成员，安森美半导体高技能的系统架构师、设计、封装和测试工程师，具备丰富的知识产权(IP)阵容，自有工厂，凭借超过30年的定制硅经验，提供全面的产品阵容和服务，包括：定制的混合信号专用集成电路(ASIC)、专用标准产品(ASSP)、医疗级分立元件、助听器数字信号处理(DSP)系统、定制的和半定制的超低功耗存储器、为系统小型化的先进封装、附加代工服务等等，其开发套件、软件包、产品库等保证完全合格和强固的开发流程，产品使用寿命支持延长的产品生命周期，数据可追踪和保存，品质获ISO13485医疗系统，且设立故障分析实验室，可批量验收测试。安森美半导体的重点医疗细分市场涵盖植体、听力健康和临床及指定设备。植体植体应用主要包括除颤器及心脏起博器、神经刺激器、可注射监测器和可吸入电子。安森美半导体为此类应用提供ASIC、存储器、分立元件、模块及晶圆代工服务。以植入式神经刺激平台为例，安森美半导体提供集成控制器、存储器、数字、模拟和高压的单芯片方案，使用多通道浪涌抑制器(TSS)进一步显著减少分立元件数(通常将IC裸片数从3-4颗减少至1-2颗)，有助于减小电路板所占空间，简化设备制造和物流，降低成本和功耗，减少对系统/电路板的依赖，提升品质，加快产品上市时间，降低开发风险。安森美半导体提供二极管、MOSFET、IGBT、电源稳压器等标准分立元件用于医疗应用，并提供可定制的选择配合医疗市场需要(表1)。安森美半导体可根据医疗应用的独特需求提供定制的ASSP，如多通道瞬态浪涌抑制器可根据独特的物理要求和电气参数而定制，具备极快导通、浪涌电流大于12A等关键特性；并提供引脚少、漏电流超低、存储容量达8Mb、实现超低功耗的SRAM、EEPROM和SRAM-Flash。为实现更低成本、更高能效，安森美半导体还提供替代EEPROM、FRAM和标准SRAM的串行SRAM存储器。并行SRAM通常需要3路控制输入、15路地址输入和8路数据I/O共26条线路，仅用于低功耗应用。而串行SRAM仅需共4条线路，且占位面积更小，引脚更少，功耗更低，可保存备份平均10年的数据，系统成本更低，非常适合用于心脏监测设备等小尺寸应用。特别地，为配合特定要求的FDAIII，安森美半导体提供医疗级标准元件用于植体或生命攸关的应用，并提供符合MIL-PRF-1950标准、的MIL-STD-750测试法、支持JAN/JANHC品质水平、于国防后勤局(DLA)批准的生产线制造等军工标准协议模式的高可靠性工艺流程。助听器根据佩戴位置的不同，助听器主要分为耳背式(Behind-The-Ear,BTE)和耳内式(In-The-Ear,ITE)。前者包括传统BTE、微型BTE和耳道内置受话器(Receiver-In-Canal,RIC)，后者包括全、3/4、半耳腔式ITE、耳道内置(ITC)、深耳道(Completely-In-Canal,CIC)及耳道内不可见(Invisible-In-Canal,IIC)。微型及“不可见”是助听器的一大趋势：更小巧的RIC及新的IIC类型更受欢迎，这要求半导体制造商转移至65nm或更小节点的工艺及微型化封装技术；助听器的第二大趋势是将添加无线通信及连接功能：当前采用2.4GHz、900MHz及带蓝牙继电器器件的近场磁感应(NFMI)的技术，需要互操作性及先进的封装技术；第三，助听器将发展至更“智能”且完全自动化：如音量控制及信号处理自动适配声音环境，令用户更舒适，这要求为其增加处理功率及算法复杂度。助听器的发展趋势产生功耗、尺寸、混合信号处理等方面的设计挑战，如要求在1V工作电压时电流消耗小于1mA，多芯片及芯片面积小于10mm2，数字及模拟功能等等。安森美半导体提供完整系列的DSP系统，包括预适配RHYTHMTM系列、预配置RHYTHM?和AYRE?系列、以及Ezairo?系列。这些系列除了都含DSP、ADC、DAC、NVM等全面的助听器系统，还针对不同目标设计人员提供不同的配置以满足他们不同的需求：Ezairo?系列的可编程IDE，适合有差异化算法的技术；预配置系列针对老客户和具备中等听力学知识的人提供预载算法、配套的基础架构工具(SoundDesigner,ARK)和参考设计；而预适配系列提供预载算法、配套手册，并即将推出参考设计，有助于为新的助听器制造商和模拟助听器制造商解决其设计挑战。在为助听器厂商解决空间受限的要求方面，安森美半导体拥有超过40年的经验，主要采用先进的2.5D和3D超小型系统级封装(SiP)，即在同一封装将不同的硅芯片和分立元件连接在一起，通过缩减信号距离大大节省空间并提升电气性能。SiP是定制的封装开发和制造服务，为注重尺寸、性能和系统集成度的医疗应用而设计。安森美半导体将推出新的采用SiP的集成2.4GHz无线模块的方案，尺寸仅为7.39×3.94×1.4mm，其关键特性包括：集成完全可编程的多核音频处理器、适配器可通过线性接口连接至任何音频源(TV,HiFi)从而提供远程麦克风适配器的立体声流、使用手机的标准配置文件如“FindMe”、“电话警报配置文件”等进行控制、音量和程序可通过手机控制改变等等。定制医疗ASIC医疗设备设计人员一般面临以下设计挑战：*低能耗：电池供电的医疗设备对电池使用时间要求较高，而标准分立元件可能消耗太大电流，无法提供令人满意的产品使用时间；*小尺寸：通常要求小巧以提供离散性和舒适度，而使用标准分立元件会令外形因数太大；*高压：传感器可能要求高压偏置，同时产生极低电平的信号，当使用分立元件来处理高压及低压时，传感器接口电路通常太过复杂；*低噪声：专用人体传感器捕获到的信号极微弱，漏电流或其它不想要的电流将压过传感器产生的信号；*长产品生命周期：可能超过10年，而许多标准元件在医疗设备生产结束前已被淘汰；*低BOM成本：采用分立元件设计的系统元件数量多，成本降不下来。采用定制的ASIC方案可提供能耗优势、以高集成度提供尺寸优势、能集成高压及低压电路、提供高度的信号通道隔离及低噪声、配合长产品生命周期、提供集成方案从而降低系统成本，帮助设计人员解决他们的独特设计挑战。安森美半导体具备丰富的高性能、低能耗ASICIP阵容，并可提供系统级方案，如为免提操作的低功耗声音触发功能。在中国，安森美半导体已积累成功的医疗ASIC.如自2007以来，安森美半导体已为迈瑞开发定制病人监测ASIC，用于多通道心电图、心率及呼吸监视仪、血氧饱和度等多种病人监测设备，实现比分立标准产品方案更低的能耗并降低总体BOM成本。迈瑞后续还将发布更多使用这ASIC的产品。Struix是安森美半导体推出的半定制组合方案，由定制的和标准的ASSP元件组成，即根据客户的专有规格而定制的一个模拟传感器接口或一个驱动器，和一个采用ARM?Cortex?-M3内核(ULPMC10)的超低功耗唯数字微控制器芯片。“Struix”是“stacked”t叠在一起)的拉丁语形式，它将定制的芯片和标准芯片叠在一个封装中以提供微型的、高能效的半导体方案，提供比标准元件更多的定制，比完整的系统级芯片(SoC)方案缩短设计时间并降低开发风险及相关成本，适用于血糖监测、透皮给药、便携式及定点护理(PoC)病人监控等微型医疗设备。图5是基于Struix的产品示例，这堆叠微型封装充分利用硅集成及模块化，集成度高，易于设计，还进一步增强了设计灵活性，因为ULPMC10微控制器可采用安森美半导体未来的微控制器轻易升级，无须替换模拟前端。结语受市场动力、人口趋势、政府政策、医疗行业结构及增长等综合因素的推动，中国医疗设备行业颇具发展前景。医疗设备制造商要想走在市场前沿需采用高能效的半导体方案进行创新开发。在可穿戴医疗逐渐兴起的趋势下，医疗半导体向更高集成度、小型化、更高能效方向迈进。作为高能效创新的供应商，安森美半导体因应市场趋势，提供完整的医疗半导体产品和服务、丰富的专长和经验，并承诺产品和方案具备满足医疗市场严格要求的高品质和高可靠性，助医疗技术开发者解决他们独特的设计挑战。来源:维库电子市场网

0引言随着人们生活水平的不断提高，人们对于自身健康的关注也提升到一个前所未有的高度。在今天，越来越多的高科技手段开始运用到医疗仪器的设计当中。心电图、脑电图等生理参数检测设备，各类型的监护仪器，超声波、X射线成影设备，核磁共振仪器，以及各式各样的物理治疗仪都开始在各地医院广泛使用，并且医学仪器正在向着组合式、多功能、智能化和微型化方向发展。现代的医学仪器一般都广泛采用了嵌入式微处理器来增强仪器的智能化程度，提高其稳定性和数据处理的性，使医学信号的采集、处理、通信一体化，并具有自诊断、自校验等一系列优点。其中ARM(AdvancedRISCMachines)嵌入式微型主板作为中央处理模块，凭借自身体积小巧、功能强大、功耗低和稳定性强、采用硬件与指令双重加速来提高性能和指令速度的优势得到广泛的应用，成为多家医疗设备厂家的。1ADUC7026的结构与特点从ARM体系结构上看，嵌入式系统主要由嵌入式处理器、支撑硬件和嵌入式软件组成。处理器通常是单片机或微控制器;支撑硬件主要包括存储介质、通信部件和显示部件等;嵌入式软件则包括支撑硬件的驱动程序、操作系统、支撑软件以及应用中间件等。可见，嵌入式系统是一个很大的概念，一旦嵌入式处理器和支撑硬件选定了，那么工作多的就集中在嵌入式软件当中了。许多运算量大的仪器都采用了ARM系统，美国模拟器件公司ADI是一家精于运放和高模数转换器(ADC)设计与生产的芯片生产公司，在得到ARM授权后把自己公司中的高ADC、成熟的脉冲调制、多路分频等融合为一体，使ARM微控制器不仅具备功能强大的32bitRISC微控制器(MCU)内核，同时具备16通道、快速、12bit分辨率的ADC和4个12bit分辨率数模转换器(DAC)的精密数据转换器。因此ADμC7026集成了ARM7TDMI内核，它具有基于闪存的16bit/32bitRISC(精简指令集计算机)微控制器，其处理能力高达45MIPS(MillionInstructionsPerSecond)。模拟外设包括，多达16通道的快速、12bit分辨率ADC、4个独立12bit分辨率DAC和一个温漂优于10ppm/℃的精密带隙基准电压源、8kB片内SRAM，62kBFLASH，可扩展存储空间为512k，JTAG端口支持代码与调试，一个比较器，可编程逻辑阵列(PLA)和3相脉宽调制(PWM)发生器，40个通用I/O口，1个ART，4个通用定时器，4个外部中断，其它外设包括一个比较器，PLA和3相PWM发生器。该系列器件也支持灵活的待机(休眠)和唤醒模式，引脚采用了LFCSP或LQFP小封装，从而避免或减少了外界的干扰，提高了测量。其内部框图如图1所示。图1ADμC7026内部组成框图2ADμC7026硬件系统设计目前，一般的医学院校针对医学影像技术都开设了《医用影像设备学》这门课程。由于一些实际的医疗仪器的控制部分都是集成在机器内部，很不方便学生完成单个电路的控制操作实验，并且还存在着诸如实验设备昂贵、缺少、很难满足学生的实际需要等客观条件，为此结合医学影像技术的实际情况，以美国ADI公司生产的AUDC7026为开发一款既可以用于学生完成一般的电路硬件实验，又可以用于师生硬件开发的ARM硬件系统，从而研制出适合学生完成医疗设备控制部分的实验系统，以帮助学生从实践中去掌握一些医疗仪器的基本组成、工作原理、接口电路以及硬件连接，并在此基础上拓展软、硬件开发的基本能力，为培养学生的创新能力和今后的实际应用打下良好的基础。所开发的硬件系统组成结构示意图如图2所示。图2ADμC7026硬件系统的组成0引言随着人们生活水平的不断提高，人们对于自身健康的关注也提升到一个前所未有的高度。在今天，越来越多的高科技手段开始运用到医疗仪器的设计当中。心电图、脑电图等生理参数检测设备，各类型的监护仪器，超声波、X射线成影设备，核磁共振仪器，以及各式各样的物理治疗仪都开始在各地医院广泛使用，并且医学仪器正在向着组合式、多功能、智能化和微型化方向发展。现代的医学仪器一般都广泛采用了嵌入式微处理器来增强仪器的智能化程度，提高其稳定性和数据处理的性，使医学信号的采集、处理、通信一体化，并具有自诊断、自校验等一系列优点。其中ARM(AdvancedRISCMachines)嵌入式微型主板作为中央处理模块，凭借自身体积小巧、功能强大、功耗低和稳定性强、采用硬件与指令双重加速来提高性能和指令速度的优势得到广泛的应用，成为多家医疗设备厂家的。1ADUC7026的结构与特点从ARM体系结构上看，嵌入式系统主要由嵌入式处理器、支撑硬件和嵌入式软件组成。处理器通常是单片机或微控制器;支撑硬件主要包括存储介质、通信部件和显示部件等;嵌入式软件则包括支撑硬件的驱动程序、操作系统、支撑软件以及应用中间件等。可见，嵌入式系统是一个很大的概念，一旦嵌入式处理器和支撑硬件选定了，那么工作多的就集中在嵌入式软件当中了。许多运算量大的仪器都采用了ARM系统，美国模拟器件公司ADI是一家精于运放和高模数转换器(ADC)设计与生产的芯片生产公司，在得到ARM授权后把自己公司中的高ADC、成熟的脉冲调制、多路分频等融合为一体，使ARM微控制器不仅具备功能强大的32bitRISC微控制器(MCU)内核，同时具备16通道、快速、12bit分辨率的ADC和4个12bit分辨率数模转换器(DAC)的精密数据转换器。因此ADμC7026集成了ARM7TDMI内核，它具有基于闪存的16bit/32bitRISC(精简指令集计算机)微控制器，其处理能力高达45MIPS(MillionInstructionsPerSecond)。模拟外设包括，多达16通道的快速、12bit分辨率ADC、4个独立12bit分辨率DAC和一个温漂优于10ppm/℃的精密带隙基准电压源、8kB片内SRAM，62kBFLASH，可扩展存储空间为512k，JTAG端口支持代码与调试，一个比较器，可编程逻辑阵列(PLA)和3相脉宽调制(PWM)发生器，40个通用I/O口，1个ART，4个通用定时器，4个外部中断，其它外设包括一个比较器，PLA和3相PWM发生器。该系列器件也支持灵活的待机(休眠)和唤醒模式，引脚采用了LFCSP或LQFP小封装，从而避免或减少了外界的干扰，提高了测量。其内部框图如图1所示。图1ADμC7026内部组成框图2ADμC7026硬件系统设计目前，一般的医学院校针对医学影像技术都开设了《医用影像设备学》这门课程。由于一些实际的医疗仪器的控制部分都是集成在机器内部，很不方便学生完成单个电路的控制操作实验，并且还存在着诸如实验设备昂贵、缺少、很难满足学生的实际需要等客观条件，为此结合医学影像技术的实际情况，以美国ADI公司生产的AUDC7026为开发一款既可以用于学生完成一般的电路硬件实验，又可以用于师生硬件开发的ARM硬件系统，从而研制出适合学生完成医疗设备控制部分的实验系统，以帮助学生从实践中去掌握一些医疗仪器的基本组成、工作原理、接口电路以及硬件连接，并在此基础上拓展软、硬件开发的基本能力，为培养学生的创新能力和今后的实际应用打下良好的基础。所开发的硬件系统组成结构示意图如图2所示。图2ADμC7026硬件系统的组成

目前采用两个电极片对称覆盖治疗人体部位的电子治疗仪，是通过电极片上的脉动电压与治疗人体部位电阻产生作用，在治疗部位产生人体能够感知的脉动电流，刺激神经肌肉，使其收缩和舒张，产生运动效应，以达到治疗目的。但目前市场上此类型治疗仪产生的脉动电压只有少数几种，由于脉动电流频率周期固定，如果某治疗部位长期接受其脉动，就会产生抗疗作用，引起自发性紧张，从而降低治疗效果。为了解决这一问题，将MP3发出的随机音乐信号引入治疗仪，使音频信号与2.4kHz的中频治疗频率进行调制，产生多种脉动电压和频率周期不断变换的脉动电流。它们随音乐信号起伏变化而发生作用，使患者一边欣赏着喜欢的音乐一边接受治疗，分散注意力，缓解紧张情绪，从而有助于提高治疗效果。现提出一种基于嵌入式器件AT89C5ISNDlC的电子治疗仪设计方案，并外扩D/A、海量存储器、键盘、显示，实现基本的MP3功能;控制AT89C5lSNDlC产生音频及2.4kHz中频信号，采用数字电路完成这两种信号的调频，再经放大后，由变压器隔离输出脉动治疗电压。1工作原理基于嵌入式器件89C5lSNDlC的电子治疗仪系统硬件结构如图l所示，分为信号产生与控制模块、调频输出模块、电源模块3部分。信号产生与控制模块是由89C5lSNDlC单片机、海量存储器、键盘、USB端口、液晶显示、D/A转换器、音频放大等部分组成。当治疗仪的USB端口插入电脑的USB接口时，经单片机检测后执行U盘功能，可将选好的MP3歌曲复制到U盘(治疗仪)。当治疗仪的USB端口未插入电脑的USB接口时，治疗仪可做为MP3播报器。通过功能键设置歌曲、治疗时间、音量，通过启动/停止键控制治疗仪。治疗时，单片机产生两个反相的2.4kHz中频信号F中频、F中频和一个音频信号F音频，同时将存储的MP3格式的歌曲解码为音频数字信号，再经D/A转换放大器放大后，送至耳机或喇叭。调频输出模块是由调频、放大、输出剂量调整、输出变压器、电极片等部分组成。对两路反相中频信号和一路音频信号进行调频，调频后的信号经放大后，由输出变压器隔离输出脉冲电压，通过电极片对称覆盖到人体的治疗部位，人体会感知到随音乐起伏变化的电流刺激。通过输出剂量调整，满足人体不同治疗部位以及皮肤干湿度的不同所能承受感知电流的要求。电源模块可提供15V、5V、3.3V系统工作电压。当治疗仪的USB端口插入电脑USB接口时，单片机执行U盘功能，由电脑USB接口提供+5V的电源。治疗时，治疗仪的供电电源是由220V的交流电源经变压、整流、稳压、滤波产生。2硬件系统设计2.1MCU介绍嵌入式器件AT89C5lSNDlC集CPU、MP3解码器、USB控制器等器件于一体。AT89C51SNDlC不但具有51系列单片机的控制功能，并可扩展为MP3及U盘，采用PLCC封装，其内部结构框图如图2所示。AT89C5lSNDlC的P0、P1、P3端口功能与5l系列单片机相兼容，另外增加了8位的P4端口、4位的P5端口。时钟电路与复位电路连接法与51系列单片机。首次使用该器件需要分别USB驱动程序、用户程序。在AT89C51SNDlC的64KBROM中，地址FOOOH-FFFFH已同化好4K字节BootLoader代码。出厂时，已将BLJB位置为1，这样上电后自动执行BootLoader代码，等待从USB接口U盘驱动程序或用户程序目标代码。完成后，应在软件中将BIJJB位置为0，再次上电，自动执行用户程序。如果仍需要修改用户程序，可将ISP引脚置为低电平。则上电复位后，自动引导执行BootLoader代码，等待更新用户程序。重新启动用户程序，应将ISP引脚置为高电平。2.2信号产生与控制模块信号产生与控制模块电路原理框图如图3所示。为实现MP3及U盘功能，AT89C51SNDlC单片机需外接一个NAND-Flash海量存储器，这里选用16MB的K9F2808U0C，其数据线I/00～I/07接P0端口，控制线接P5端口。MP3音频解码输出信号，而该单片机的DOUT、DLCK、DSEL、SCLK引脚接D/A转换器CS4330，经过放大，输出到耳机收听MP3播放的歌曲。液晶屏接单片机的P2端口，与键盘相配合以显示当前治疗仪的工作状态。键盘上有4个按键，"音量/歌曲/定时"功能键接P1.0引脚，分别与P1.1引脚所接的"next"键和P1.2引脚所接的"previ-OHS"键相配合，实现音量调节、歌曲选定、治疗定时等功能设定;而"启动/停止"键接P1.3引脚。AT89C5lSNDlC单片机的P3.3引脚用于检测当前使用的是U盘还是MP3播放器。如将治疗仪的USB引线接到电脑的USB端口，P3.3引脚则检测到高电平，执行U盘程序，此时，单片机的工作电源来自于USB接口;否则，P3.3引脚检测到低电平，则执行MP3程序。中频信号F中频、F中频和音频信号F音频分别接AT89C5lSN-DlC单片机的P4.4、P4.5和DOUT引脚。2.3调频输出模块调频输出模块电路原理图如图4所示。音频信号F音频分别与中频信号F中频和中频相调制，产生两个相位相反的调制波形，再经9013、8050、D880Y放大后送至变压器的两个输入端。变压器中间抽头电压可通过毫安表所接的剂量调节电路进行调整。47kΩ电位器即剂量调节电位器，向下调则毫安表指示的电流变小，反之变大。变压器隔离输出电压变化与输入电压同步变化。输出电压经电极片与人体接触，在人体内产生感知电流。根据理疗部位的不同以及皮肤的干湿程度不同，人体的感知电流也不一样。理疗时需要调整电位器，使理疗者感觉舒适即可。2.4电源模块治疗仪所需3.3V、5V、15V的工作电压都来自于电源模块，其原理如图5所示。3.3V电压可提供给嵌入式器件AT89C51SNDlC使用;5V电压可提供给调频、放大电路使用;15V电压可提供给输出剂量调节电路。其中，5V稳压采用78L05，3.3V稳压采用LDll17S33。当使用U盘功能时，治疗仪的USB端口插入电脑的USB接口，不接220V的交流电源，单片机工作电压则由USB接口提供。3系统软件设计与硬件电路功能配合，系统软件设计流程如图6所示;键盘中断服务程序流程如图7所示。4结语设计的便携设备电池监测系统利用可编程的电池电量监测芯片BQ27210和外部高集成处理器C805lF304实现了对电池电量、可使用时间、温度、电压等信息的实时监测，并通过I2C总线进行数据的传输处理，具有高，体积小，成本低等特点，现已应用于某些手持数据采集设备。来源：维库电子市场网

2014年秋，安森美半导体推出一个新品概念—Struix。Struix在拉丁文中的含义是“叠在一起”，它在微型的高性能SoC方案中结合一个定制的专用集成电路(ASIC)和一个专用标准产品(ASSP)微控制器。这个概念向医疗设备制造商提供了两全其美的方案：定制的芯片能解决特定专用传感器接口的需求，而使用行业标准产品通常能减少设计风险及相关成本。图2所示为一个典型的基于Struix的产品。图1Sturix堆叠芯片图2中，上层的芯片是一个专用传感器接口，下层芯片是一个采用行业标准ARMCortex-M3控制器的微处理器(ULPMC10)。ULPMC10微控制器专门设计为低功耗和芯片堆叠。本例中，两个器件堆叠在一个6mm×6mm的QFN封装中，但也有其他封装方式交货。基于Struix的产品始于一个专用传感器接口的开发。该开发过程利用了安森美半导体在低功耗、低噪声信号调理、放大和转换方面的知识产权(IP)。一些现有的关键IP模块包括每次转换低于2.4pJ的24位转换器，以及仅在几十微安工作的低噪声、差分放大器。专用传感器接口的开发流程通常源于客户的专用传感器接口规范，其次是设计、实现、测试和阶段。与此同时，客户的应用开发团队能够在ULPMC10微控制器上开发必要的终端应用代码。安森美半导体提供了一个适合独立工作的小型开发板，以及专用传感器接口的原型。这使客户能够在全面生产前对终端应用的性能进行评估。大多数医疗设备以占空比的方式工作(如设备在睡眠模式比工作模式花费更多时间)。ULPMC10微控制器针对此工作方式提供200nA的极低睡眠模式电流，且实时时钟电路始终运行。当完全加载ARMCortex-M3处理器并直接执行片上闪存的应用程序代码，工作模式所消耗的电流小于200μA/MHz。这可以延长电池寿命，结合更小电池的使用，其将诞生出更小、更具吸引力的医疗设备。

持续监测心脏活动可以测量心率变异性（HRV），该参数可以了解到心脏健康状况和其他疾病。本设计实例是一款全新的脉搏血氧计设计，使用起来非常简单，并且功能强。借助优异的性能，它甚至可以作为单独设备使用，以监测心率及血氧饱和度。该系统的核心部件包括超亮红光LED（KA-3528SURC）、红外线LED（VSMB3940X01-GS08）、对两种光的波长同样敏感的光电二极管（VBP104SR）。运算放大器LT6003为整个系统的基本构件，在电路的几个放大级均有使用。在图1中，IC1充当跨阻抗放大器使用，将光电二极管产生的电流转换为电压。这一级提供高增益，从而使几乎人体的每个部位都能使用传感器。运算放大器IC2充当30倍增益的反相放大器。图1:脉搏血氧计。比较器IC4负极输入使用峰值检测器电路连接至修正信号。IC3、D1、C6等元器件用于检测并保持输入信号的最大电压。R7和R10用来对C6电容器放电。该电路用作基准电压，即使是传感器在人体上位置的突然变化，其所产生的微弱脉搏也都被检测到。该电路配备了一个高通滤波器和两个低通滤波器，用于滤除外部光线变化或交流闪光灯闪烁产生的不期望的干扰信号。高通滤波器和第一个低通滤波器的频率设置为0.86Hz和159Hz。高通滤波器和低通滤波器的其他端子并未接地，而是接到1V基准电压，以增加对检测信号的偏置，以便后续处理。基准电压由LM4040和分压器（R15、R16）产生。经过IC2后，频率设为5.9Hz的第二个低通滤波器对信号进行处理，进一步滤除其他不期望的干扰信号（见图2、图3）。图2:COMP节点（CH1）和脉搏节点（CH2）随时间变化的电压输出图3:输出节点上的信号。本文并未对脉搏读取过程展开论述，其可以通过带ADC的MCU来完成。MCU用于控制LED，检测信号，并将信号转换为血样饱和度。即使采用窄带带通滤波器也可以对血氧饱和度进行计算。当红光LED点亮后，ADC即开始检测信号。在两个或三个脉搏之后，红外线LED可以与红光LED同时点亮。MCU利用S=VR/VIR公式进行计算，其中电压为峰峰值读数，而S则代表组织血氧饱和度（StO2）校准表格中的数值。转载自唯样电子资讯。

心脏起搏器是一种植入于体内的电子治疗仪器，通过脉冲发生器产生由电池提供能量的电脉冲，通过导线电极的传导，刺激电极所接触的心肌，使心脏激动和收缩，从而达到治疗由于某些心律失常所致的心脏功能障碍的目的。起搏器主要由电源（亦即电池，现在主要使用锂-碘电池）和电子线路构成，能产生和输出电脉冲。艾德克斯可为医疗电子设备提供专业的测试解决方案，针对医疗起搏器中电池包的测试，我司具备直流电源、直流电子负载、电池内阻测试仪、电池测试系统等多款高性能产品可供选择。电池规格及测试需求：一、电池容量测试电池容量通常以安培·小时为单位。不同放电倍率下计算的电池容量值也会不同。通常大电流放电会缩短电池的寿命，因此电池容量一般以小倍率（如0.2C）放电。同时深度的放电会损坏电池，电池容量的计算是相对于一个截止电压而言，从起始电压到安全截止电压之间的放电容量为电池的有效容量值。二、电池寿命测试随着充放电次数的增加，由于内部氧化引起的内部电阻增加，会使得电池不能释放已存储的电量，寿命逐渐终止。电池的循环寿命（充电一次放电一次称为一次循环）受放电倍率、温度及充放电截止电压等因素的影响。锂电池一般能够充放300~500次，如IEC规定锂电池标准循环寿命标准是反复循环500次后容量应在初容量的60%以上。因此通过循环充放电测试是评估各类电池生命周期的重要途径。三、电池内阻测试电池内阻值关系着电池的放电能力，内阻越大，电池充放电倍率越小，其极容易导致电池发热。ITECH提供电池交流内阻和直流内阻量测功能，其中交流内阻是搭配专门的交流内阻测试仪，给电池两端施加1KHz的激励信号，测得电池静态下的内阻值。但实际电池使用过程中，还包括极化内阻，连接点的阻抗等，通过直流阻抗测试能更直观反映电池连续应用中的电阻值。四、丰富的工步编辑和停止条件用户可选择不同的充放电模式，ITS5300测试系统软件支持CC/CW/CR等多种放电模式，可模拟恒压和恒流两种充电模式。丰富的停止条件有效帮助用户提高测试的安全性，避免电池出现过充和过放的情况。在时间，容量，电压等停止条件之间可实现“与”“或”的逻辑关系，以应对更复杂的测试需求。艾德克斯ITS5300电池充放电测试系统，为用户提供从mA级别单体电芯到MW级别电池包的测试解决方案。应对于产线大批量的测试需求，ITS5300可同时对上百个独立电池模组/电芯进行性能检测，提高了产线的测试效率和产量。同时提供丰富的测试工步和统计分析功能，通道间可同步/独立运行，互不影响。转载自电子技术应用。

一正文1前言前年，当我购买自己的台笔记本电脑时，也算是煞费苦心，终于选中了一款自己觉得还可以，而且比较主流的机器。可是一年后当我再次踏入电脑商城时，忽然发现通过一年来对笔记本电脑的使用，我非但没有更加熟悉笔记本，反而变得更生疏了。酷睿的处理器已经不再是宣传的卖点，DDRII的内存也很少出现，主频高出了我的预想……所有我了解的性能参数都仿佛来到了另一个时代。我不得不感叹自己真的OUT了。记得大学节C语言课上老师说：“内存——我们心中永远的痛！”觉得很是有道理。然而，当我年前再次把目光投向电脑市场时，却发现情况似乎有了很大的改观。内存好像已经不再是很大的瓶颈。受摩尔率指导的电子产品的更新速度简直到了让我无法理解的地步。我曾看到有人说：与其说是摩尔率在起作用，倒不如说是科技进步和市场需求在起作用。不过对我来说，无论是什么在起作用，这个世界的节奏都已经快到让我很难静下来思考的速度。但是一旦静下来思考，会想到什么呢？周围所有的东西都在不停的发展。从绿皮火车到高铁，从菜价到房价，从农村到城市……虽然周围很多人都在骂骂咧咧的抱怨，但很少有人会觉得现在的日子不如一前。也就是说，无论生活、环境给了我们多大的压力，我们还是在迈着前进的步子。然而前进的路上，又有谁和我们一道风雨兼程呢？人类对于科技的应用虽然为自己开辟一条难得的前进之路，但同时也告知了我们的同伴应当何去何从。并不是所有的同伴都可以风雨同舟，因为有同伴躲在阴暗的角落里，在伺机向人类发起进攻。当然，被我们经常说道的生老病死中的病，便是在等候着专属于它的时机。而人类个体的生命大多也是在它的陪伴下，走向终点。疾病的迅速发展，不仅缘于它惊人的繁衍速度，还在于人类科学技术发展对其的指引。当我观察人类与疾病的抗争时，想到的却是，当我还是一个孩子的时候，当我想要做的是大人们所不愿接受的事情时，大人们几乎总是穷尽办法来阻止我的行动，当然更多的是呵斥。但不管怎么说，在大人们的指引之下，终我还是在向一个对的方向前进。人类与疾病之间的斗争，大人对小孩的指引，这两者在某种程度上的相似，让我萌生了一种想法：疾病是否就是那个在科技指引之下的孩子。疾病的不断发展，也从另一个角度不不断督促着人类对自身的认知。这应该就是祸福相依的一种具体表现形式吧。正如人们由表及里，有外观而内涵的认知规律一样，疾病的发展抑或说前进方向也是如此。科技的发展使得原来极其棘手的疾病失去了它原有的恐怖外衣，但随之而来的却是以前从没有出现过的难题。但无论怎样这些我们都不能回避，因为这里的每战斗都是关乎生死的抗争。所有人，正如在战火席卷的国度中的人民一样，无论愿意与否，他总会卷入与疾病抗争的之中。而我们在这场抗争中能做些什么呢？是像平民一样任人鱼肉，还是像极端的武装分子一样盲目抵抗。当然这并不是一个只有A、B选项的选择题，我们可以穷尽所能给出自己满意的答案。虽然，人类总是以自己的生生不息来证明自己的胜利。但是正如我开始所描述的情况一样，疾病的进化速度也快的惊人。有时快到，甚至不给人类以思考的机会。你会发现，过剩的不仅是CPU，还有病原体。当我很长时间之后，再次踏入医院。却发现原来可以通过注射药剂治好的病症，现在得改用输液了。这让我不得不承认，当今的世界，病菌的进步速度已经在我之上了。被世界遗弃，还是奋勇追击，这的确是一个问题。当然，面临的问题很多，但现在我又该做些什么？医学对我来说是个很遥远的，但正如距离军人这种职业很遥远的平民，在面对国家安全这种问题时总要做些什么一样，似乎大家都应该出分力，而且还应当清楚“分”是“分内”的“分”。现在，当我即将读完四年大学时，从哪里来的问题，我不必花费什么心思，但是往哪里去的问题却是不得不思考的。正如我前边所描述的，周围的一切都在发展，当然也包括老百姓的生活水平。这里我不是一个政客，我只是在描述自己的见闻。这样就会形成一个我所见闻的关系网络：科技、发展、疾病、生活、……无论是从一个即将步入职场的仪器类学生的角度，还是从一个具有社会责任心的公民的角度来看，医疗器械都将会是一个很有发展前景的行业，近来很多公司的产品动向和一些活动中的产品展示，也都肯定了这个判断的正确性。如此看来，便捷的家用医疗仪器定然会走向千家万户，事实也正是如此。由于母亲高血压的缘故，几年前，家里就购买了家用的电子血压计，以便于母亲能及时知道自己的血压状况。有段时间母亲一度想要购买一款心电图机，因为听说通过心电图可以更好的了解自己的健康情况，不过终还是因为受限于获取心电图信息那些复杂方法难以学习，而只好作罢。这样看来，一个家用holter监控器也确实有其施展的天地。总体设计方案1)心电的特点：1、微弱性。人体体表的心电信号很微弱，一般只有0.05-5mV。在测量中，对于如此微弱的信号，很难进行直接记录或处理，必须通过放大器适当放大，同时必须滤波处理。2、低频特性。人体心电信号的频谱范围在0.05-100Hz，其能量谱主要集中在0.5-35Hz，频率是比较低的。3、高阻抗特性。作为心电的信号源，人体源阻抗一般较大，可达几千欧姆至几万欧姆，这将给心电测量带来误差和失真。4、不稳定性和随机性。人体是在内部环境与外部环境相适应的条件下维持新陈代谢的，为适应外部环境的变化，人体内各种系统的活动都会在相互影响中不断调整，以便与外部环境保持平衡，同时遗传等因素也会造成人体的个体差异性，这使得人体心电信号表现出不稳定性和随机性。2)心电信号的干扰1、工频干扰。由于日常供电网络的存在，50Hz工频干扰是常见的干扰，它是心电信号主要的干扰源之一。50Hz工频干扰主要通过人体和测量系统输入导线的电容藕合，以位移电流的形式引入，其强度足以淹没心电信号。2、电极极化电压干扰。心电信号是通过紧贴在人体体表的电极提取的，而与电极接触的是电解质溶液（导电膏、汁液或组织液等），这会形成一个金属与电解质溶液的界面。由于电化学的作用，在二者之间会产生一定的电位差，称为极化电压。极化电压的幅度一般较高，在几毫伏到几百毫伏之间。当两个电极的状态不能保持对称时，极化电压就会产生干扰，特别是在电极与皮肤接触不良以致脱落的情况下更为严重，而且电极在皮肤表面的移动也会引起电位差变化。3、肌电信号干扰。肌肉的兴奋与收缩会引起生物电变化，而这些生物电将在人体表面产生一定的电位差。由于心电信号必须通过贴在人体表面的电极进行提取，因此同时肌电干扰信号也会被提取出来。肌电干扰信号是一种快速变化的电压信号，其频率范围为20-5000Hz。4、测量设备自身产生的干扰。信号处理所采用的电子设备本身也会产生噪声，这种干扰一般都是高频干扰，用低通滤波器就可滤除。5、高频电磁场干扰。随着无线电技术的发展，各种频段的无线电广播、电视发射台、通讯设备、雷达等电子设备的工作使空间存在着大量的电磁波。这些高频电磁干扰可通过测量系统与人体连接的导线引入，并引起测量结果的不稳定，严重时会使测量系统不能正常工作，必须加以消除。3)电极的选取电极是来摄取人体内各种生物电现象的金属导体，也称作导引电极。它的阻抗，极化特性、稳定性等对测量的度影响很大。1、金属平板电极。金属平板电极是测量心电图时常用的一种肢体电极，它是一块镍银合金或铜质镀银制成的凹形金属板，这种电极比较简单，其抗腐蚀性能、抗干扰和抗噪声能力较差，在微电流通过时容易产生极化，而且电位不稳定和电位随时间漂移严重，信号失真也较大缺点。2、吸附电极。吸附电极是用镀银金属或镍银合制而成，呈圆筒形，其背部有一个通气孔，与橡皮吸球相通，它是测量心电时作为胸部电极的一种常用电极。该电极不用扣带而靠吸力将电极吸附在皮肤上，易于从胸廓上一个部位换到另一部位。使用时挤压橡皮球，排出球内空气，将电极放在所需部位，然后放松橡皮球，由于球内减压，使电极吸附在皮肤上。但这种电极，由于只有圆筒底部的面积与皮肤接触（即接触面积小），从而使得它的阻抗和对皮肤的压力很大，因此，不适用于输入阻抗低的放大器和不宜作长时间监护之用。3、圆盘电极。圆盘电极多数采用银质材料，其背面有一根导线。有的电极为了减轻基线漂移及移位伪差在其凹面处镀上一层氯化银。值得注意的是，该电极在使用一段时间后必须重新镀上氯化银。4、悬浮电极。悬浮电极分为性和性使用的二种。其中性悬浮电极又叫作帽式电极，其结构是把镀氯化银或烧结的Ag-AgCI电极安装在凹槽内，它与皮肤表面有一空隙。使用时，应在凹槽内涂满导电膏，用中空的双面胶布把电极贴在皮肤上。由于导电膏的性质柔软，它粘附着皮肤，也粘附着电极，当肌肉运动时，电极导电膏和皮肤接触处不易发生变化，起到接触稳定的作用。性悬浮电极也叫作钮扣式电极，其结构是将氯化银电极固定在泡沫垫上，底部也吸附着一个涂有导电膏的泡沫塑料圆盘，使用前，圆盘周围粘有一层保护纸，封装在金属箔制成的箱袋内，用时取出，剥去保护纸，即可使用。5、软电极。为了克服由于各种硬质电极与皮肤贴附不紧密而当人体有所活动时，电极与体表之间的接触可能会改变原来的状态而引起意外的移位伪差，而生产出了软电极。一种常见的软电极是贴在胶布上的银丝网电极。使用时，只需把银丝网涂上导电膏后贴在所需的人体部位即可。另一种软电极是在13um厚的，聚脂薄膜（Mylar）上镀一层1um厚的氯化银膜而制成的。整个电极的厚度仅为15um，质地十分柔软。它适用于检测、监护早产儿心脏变化功能。6、干电极。干电极是利用固态技术，将放大器与电极组装在一起所示。使用时不必涂上导电膏而波形又不失真，但必须要一个输入阻抗很高（Zsr>109Ω）的前置放大器相匹配。出于对本设计方案的综合考虑，使用平板电极。4）总体设计方案在了解了心电信号的特点之后，综合考虑诸如：环境干扰、电极选择、心电导联体系、本设计的预期目标、以及USBStartkit&EthernerStartkit的优势，总体设计框图如下：硬件设计心电信号输入缓冲电路心电信号从人体经电极首先进入缓冲电路，包括低通滤波和电压跟随两部分。无源低通滤波的截止频率为：放大和右腿驱动电路由于心电信号具有微弱、低频、不稳定、易受干扰等特点，使得心电信号的模拟放大环节非常关键，尤其是心电前置放大器直接跟被测信号相连，其设计和选择直接影响整个测量系统的工作性能。这就要求所采用的放大器必须有低噪声、低漂移、低失调参数、高共模抑制比、高输入阻抗、非线性度小等特点。仪表放大器可以很好的满足上述要求。右腿信号采集电路专门用来消除由人体引入的共模干扰，又称右腿驱动电路。该电路一般从前级放大电路的增益调节电阻处提取反馈信号，并将反馈信号输入反向放大器的负端，放大后接到人体右腿。右腿驱动电路可等效为以人体为相加点的共模电压并联负反馈放大电路，它可以大大降低人体共模电压的影响，使共模干扰降低到1%以下，而不会损失心电信号中的有效信号。高通和低通滤波电路50Hz陷波电路

随着时代的发展,手机的功能越来越多,不仅可以拍摄美丽的照片、播放音频和视频流文件，还可以访问各种各样的服务—现在还逐渐成为人们的私人教练。配备传感器或者连接到穿戴式传感器后，这类设备可用来监控人们的日常活动和个人健康状况。在不断增强的健康意识推动下，人们开始关注测量生命体征参数——如心率、体温、血氧饱和度、血压、活动水平(运动量)和卡路里燃烧量—以及追踪这些参数的日常变化趋势。现在，装有多个传感器的通用传感器前端可以监控这些参数。而更大的挑战是地缩小尺寸并延长电池使用寿命。本文将讨论面向迅猛增长的可穿戴电子产品市场的解决方案。重要的生命体征信号脉搏或心率是需要监控的重要的参数之一。除了每分钟心跳次数以外，还应该检查心脏行为与活动量的函数关系。心律也非常重要，因为快速变化的心率是心脏疾病的征兆。心率和心脏活动的监护通常是使用心电图(ECG)测量生理电信号来实现的。连接到身体上的电极可测量出心脏组织中心电活动所产生的信号。的诊断系统就基于此原理，其在胸部和四肢多可连接10个电极。ECG可提供心跳不同分量(P波、QRS波和T波)的相关详细信息。单导联ECG在体育界的应用越来越普遍，其使用双电极胸带来测量心脏活动。虽然可检测到各种ECG波形，但大多数系统只测量心率。这些胸带穿戴起来并不舒服。因此，体育和保健行业正在寻找替代方案，例如将电极集成到运动衫上。AD8232单导联心率监护仪前端(如图1)就是专为此类低功耗可穿戴应用而开发的。该器件内置增益为100V/V的仪表放大器和高通滤波器，能阻止皮肤上电极的半电池电位产生的失调电压。输出缓冲器和低通滤波器则可抑制肌肉活动产生的高频分量(EMG信号)。此低功耗前端功耗为170μA，可与16位片上计量仪ADuCM350配合使用，进行高性能、单导联ECG测量。测量心率的新方法心率测量的新趋势是光电容积图(PPG)，这是一种无需测量生物电信号就能获得心脏功能信息的光学技术。PPG主要用于测量血氧饱和度(SpO2)，但也可不进行生物电信号测量就提供心脏功能信息。借助PPG技术，心率监护仪可集成到手表或护腕等可穿戴设备上。因为生理电势法信号电平极其微弱，所以无法做到这一点。在光学系统中，光通过皮肤表面发射。光电传感器对红细胞吸收的光量进行测量。随着心脏跳动，不断变化的血容量使接收到的光量分散开来。在手指或耳垂上进行测量时，由于这些部位有相当多的动脉血，使用红光或红外光源可获得。但是，手腕上方很少有动脉存在，腕部穿戴式设备必须通过皮肤表层下方的静脉和毛细血管来检测脉动分量，因此绿光效果会更好。ADPD142光学模块(如图2)具备完整的光度测量前端，并集成了光电传感器、电流源和LED。该器件专为测量反射光而设计，可用来实现PPG测量，所有元件都封装在一个小小的模块上。使用光学VSM所面临的挑战利用腕部穿戴式设备测量PPG面临的主要挑战来自环境光和运动产生的干扰。阳光产生的直流误差相对而言比较容易消除，但日光灯和节能灯发出的光线都带有可引起交流误差的频率分量。模拟前端使用两种结构来抑制DC至100kHz的干扰信号。模拟信号经过调理后，14位逐次逼近型数模转换器(ADC)将该信号数字化，再通过I2C接口发送到微处理器进行终后处理。同步发送路径与光接收器并行集成在一起。其独立的电流源可驱动两个单独的LED，电流电平多可编程至250mA。LED电流是脉冲电流，脉冲长度在微秒级，因此可保持较低的平均功耗，从而地延长电池使用寿命。LED驱动电路是动态电路且可即时配置，因此不受各种环境条件影响，例如环境光、穿戴者皮肤和头发的色泽或传感器和皮肤之间的汗液，这些都会降低灵敏度。激励LED的配置非常方便，可用于构建自适应系统。所有时序和同步均由模拟前端处理，因此不会增加系统处理器的任何开销。ADPD142提供两种版本：ADPD142RG集成红光LED和绿光LED，用于支持光学心率监护；ADPD142RI集成红光LED和红外LED，用于进行血氧饱和度(SpO2)测量。运动的影响运动也会干扰光学系统。当光学心率监护仪用于睡眠研究时，这可能不是问题，但在锻炼期间佩戴运动腕表和护腕，将会很难消除运动伪像。光学传感器(LED和光电检测器)与皮肤之间的相对运动会降低光信号的灵敏度。此外，运动的频率分量也可能会被视为心率测量，因此必须测量该运动并进行补偿。设备与人体贴得越紧密，这种影响就越小，但采用机械方式消除这种影响几乎是不可能的。可使用多种方法来测量运动。其中一种是光学方法，即使用多个LED波长。共模信号表示运动，而差分信号用来检测心率。但是，是使用真正的运动传感器。这不仅可以准确测量施加到可穿戴设备的运动，还可用于提供其他功能，例如跟踪活动、计算步数或者在检测到特定重力时启动某个应用。ADXL362是一款微功耗、3轴MEMS(微机电系统)加速度计，非常适合在电池供电型可穿戴应用中检测运动。其12位ADC可将加速度转换为数字信号，分辨率为1-mg。功耗随采样速率动态变化，当输出数据速率为100Hz时功耗仅为1.8μA，在400Hz时为3.0μA。这些较高的数据速率对于用户接口来说非常有用，例如单击/双击检测。对于在检测到运动时启动某个应用的情况，则无需进行高速采样，因此可将数据速率降至6Hz，此时平均功耗为300nA。因而，对于低功耗应用和不易更换电池的植入式设备来说，此传感器非常有吸引力。ADXL362采用3.0mm×3.25mm封装。图3显示了在不同的电源电压的条件下，电源电流与输出数据速率之间的关系。系统中各传感器的连接系统的是混合信号片上计量仪ADuCM350，它与所有传感器相连，并负责运行必要的软件，以及储存、显示或传送结果。该器件集成了高性能模拟前端(AFE)和16MHzARMCortex-M3处理器内核，如图4所示。AFE的灵活性和微处理器丰富的功能组合使此芯片成为便携式应用和可穿戴应用的理想选择。可配置的AFE支持几乎所有传感器，其可编程波形发生器可使用交流或直流信号为模拟传感器供电。高性能的接收信号链会对传感器信号进行调理，并使用积分非线性(INL)和差分非线性(DNL)值为±1LSB的无丢码真16位160kSPSADC将这些信号数字化。该接收信号链支持任何类型的输入信号，包括电压、电流、恒电势、光电流和复阻抗。AFE可在独立模式下工作，无需Cortex-M3处理器干预。可编程时序控制器控制测量引擎，测量结果通过DMA储存到存储器内。开始测量前，可执行校准程序，以校正发送和接收信号链中的失调和漂移误差。对于复阻抗测量，如血糖、体质指数(BMI)或组织鉴别应用，内置DSP加速器可实现2048点单频离散傅里叶变换，而无需M3处理器干预。这些高性能AFE功能使ADuCM350具有其他集成解决方案无可比拟的独特优势。Cortex处理器支持多种通信端口，包括I2S、USB、MIPI和LCD显示驱动器(静态)。此外，它还包括闪存、SRAM和EEPROM，并且支持五种不同的电源模式，可地延长电池使用寿命。ADuCM350设计用于超低功耗传感器，性能限制为低速器件。对于要求更高处理能力的应用，可使用工作频率高达80MHz的M3内核或者Cortex-M4处理器内核。功耗如何？功耗一直是便携式设备和可穿戴设备的一个关键因素。本文介绍的器件针对高性能、小尺寸和低功耗要求而设计，但在小封装内集成所有一切器件(包括电池)仍然是一个挑战。尽管新的电池技术实现了每mm3更高的容量，但与电子产品相比，电池体积仍然较大。能量采集可减小电池尺寸并延长电池使用寿命。能量采集技术有多种，包括热电、压电、电磁和光电等技术—对于可穿戴设备，利用光和热为合适。传感器通常不会产生大量输出功率，因此每焦耳热量都应当可以被捕获和使用。ADP5090超低功耗升压调节器(如图5)将采集器和电池桥接起来。此高效的开关电源可将输入电压从低至100mV升高到3V。冷启动期间，在电池完全放电的情况下，需要的输入电压为380mV，但在正常工作时，如果电池电量没有完全耗尽或者还有一些电能留在超级电容内，任何低至100mV的输入信号都可转换为较高的电位并储存下来，以供稍后使用。该芯片采用微型3mm×3mm封装，可进行编程来支持各种不同的能量采集传感器。其静态电流为250nA，支持几乎所有电池技术—从锂离子电池到薄膜电池以及超级电容均可。集成式保护电路可确保安全运行。小结本文介绍了一些用于可穿戴和个人健康应用的低功耗产品，但是这个快速增长的市场正在快速变化。ADI公司的技术可以将这些颇具挑战性的难题转变为完善的产品和完整的解决方案。来源：维库电子市场网