自医学发展以来,体温监测一直是人们关注的问题。由于多种原因,需要在多种疾病中不断监测患者的体温。即使人类一直小心谨慎,也可能会发生错误,并且情况将无法控制。当前的疫情形势更需要我们关注,受感染的人数每天都在增加,每一位医务人员的工作量都在增加。因此,本项目将重点在两种情况下创建自动警报系统,当任何特定患者的温度 1)目前恶化或 2)在不久的将来趋于偏离正常指定范围时。该项目的主要思想也可用于许多工业应用。
该项目基本上包括3个部分:
1) 感应体温。
2) 当病人体温突然变化时,建立健全的警报系统。
3) 当预计患者的体温在不久的将来会恶化时,打开 LED。
首先,LM35温度传感器需要放置在患者体腔内,测量实际体温。需要收集和存储数据以供进一步分析。使用这些数据,任何机器学习技术都可以预测接下来一小时或半小时的温度读数。可以设置一些阈值上限和下限。因此,将同时执行两件事。如果预测值和当前值保持在阈值范围内,则将连续检查这些值。如果有任何差异,将向警报提供一个肯定的信号。
两个独立的报警系统的需要是不言自明的。蜂鸣器将寻求立即干预,而 LED 将有助于采取预防措施。
硬件连接示意图如下所示。
可以使用给定示意图的参考来描述连接。LM35 温度传感器的输入来自模拟引脚 A0。两个输出分别在数字引脚 1 和 4 处提供,用于 LED 和蜂鸣器。
LM35是一个温度传感器,它输出成比例的模拟电压到相应的温度。它有 3 个引脚,Vcc 连接到 WiFi 模块的 5V 点,GND 连接到地,输出点连接到 A0,读取电压。实际温度值由 T=r/10.24 给出,其中 r 是模拟引脚的读数。
LED 连接在数字引脚 1 和 GND 之间以及串联的电阻器(330 欧姆 - 用于限制电流),蜂鸣器连接在引脚 4 和 GND 之间。
这个项目的程序是在 Ubuntu 中用 python 完成的。创建一个配置文件,其中包含 WiFi 模块的详细信息和主程序所需的其他一些详细信息。文件中的代码如下所示。
API_KEY = "XXXX-XXXX..." //Bolt Cloud API Key
DEVICE_ID = "BOLTXXXXX" //Device ID of the Bolt Module
FRAME_SIZE = 10 //Frame Size of Z Score Analysis
MUL_FACTOR = 5 //Multiplication factor of Z Score Analysis
Z score Analysis 是一个工具,常用于异常检测。虽然,这里它用于一些不同的目的。我们先讨论一下算法。基本上,它为我们提供了两个最佳值作为一个范围。这是被称为上限和下限的值。
它考虑了一些先前的值并计算其均值和方差,并因此创建了一个分布,该分布给出了两个值的范围。帧大小和乘法取决于用户的选择。
如上所述,此代码执行两项工作。给出了两对预设值,一对用于与当前值进行比较,另一对用于与预测值进行比较。
比如说,x 是当前值,x1,x2 是范围,从 Z 分数分析中获得。此外,a1、a2是与当前值比较的预设最小值和最大值,b1、b2是与预测值比较的预设最小值和最大值。如果 x
下面提到了一些场景及其影响。
1. LED 发光,蜂鸣器关闭- 患者体温缓慢下降,因此预测的未来值已超出规定值,因此应采取预防措施。
2. 蜂鸣器亮,LED 不亮——这种情况发生的可能性很小,但如果发生,则说明温度突然变差,需要立即注意。
3. 两者都开启- 这也是一个危急情况,它会在一段时间内寻求一定程度的关注,直到情况得到控制。
4. 两者都关闭——这意味着温度在控制之中。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !