Riassunto analitico
Il seguente lavoro descrive lo sviluppo di un dispositivo innovativo per il monitoraggio dei pazienti, con particolare attenzione alla loro presenza in un letto durante le ore notturne. Questo sistema si distingue per l’utilizzo di sensori non invasivi e rispettosi della privacy, come un sensore multi-zona di tipo time-of-flight (ToF) e un sensore termico, in grado di rilevare rispettivamente la distribuzione delle distanze e delle temperature. Questi sensori sono ideali per il monitoraggio notturno, dato che il primo usa una tecnologia ad infrarossi e performa meglio in condizioni di bassa luminosità, mentre il secondo é del tutto indifferente alla luce visibile; inoltre, grazie al loro campo visivo a bassissima risoluzione con soli 64 pixel, il dispositivo garantisce il rispetto della privacy dei pazienti, offrendo una soluzione efficace e discreta.
Il sistema è stato progettato per funzionare autonomamente su una scheda Nucleo-F401RE, dotata di un modello di intelligenza artificiale integrato per l’analisi dei dati in tempo reale. Per l’addestramento del modello di IA è stato adottato un approccio innovativo di fusione dei dati, combinando le informazioni provenienti dai sensori con quelle generate da un algoritmo di object detection eseguito su un Raspberry Pi 5, dotato di acceleratore hardware Hailo, a cui é stata collegata una webcam. I dati raccolti e sincronizzati utilizzando un codice python in esecuzione su Raspberry, hanno permesso di identificare schemi caratteristici associati alla presenza di una persona, creando un dataset robusto per l’addestramento del modello.
L’elaborato descrive le fasi del progetto, dalla raccolta e sincronizzazione dei dati alla progettazione e implementazione del modello di IA, fino alla validazione finale del dispositivo. I risultati ottenuti dimostrano l’efficacia del sistema, aprendo la strada a nuove applicazioni nel monitoraggio sanitario, grazie al suo design non invasivo, alla sua capacità di funzionamento autonomo e al rispetto della privacy.
|
Abstract
This thesis describes the development of an innovative device for patient monitoring, with a particular focus on detecting their presence in bed during night-time. This system stands out for its use of non-invasive and privacy-preserving sensors, including a multi-zone time-of-flight (ToF) sensor and a thermal sensor, capable of detecting distance and temperature distributions, respectively. These sensors are ideal for nighttime monitoring, as the former uses infrared technology and performs better in low-light conditions, while the latter is completely unaffected by visible light. Additionally, with an ultra-low resolution field of view of only 64 pixels, the device ensures patient privacy while offering an effective and discreet monitoring solution.
The system was designed to operate autonomously on an STMicroelectronics Nucleo-F401RE board, equipped with an integrated artificial intelligence (AI) model for real-time data analysis. To train the AI model, an innovative data fusion approach was adopted, combining sensor information with data generated by an object detection algorithm running on a Raspberry Pi 5 equipped with a Hailo hardware accelerator and connected to a webcam. The data collected and synchronized using a Python script running on the Raspberry Pi allowed the identification of characteristic patterns associated with the presence of a person, enabling the creation of a robust dataset for model training.
This thesis outlines the project's phases, from data collection and synchronization to the design and implementation of the AI model, and the final validation of the device. The results demonstrate the system's effectiveness, paving the way for new applications in healthcare monitoring, thanks to its non-invasive design, autonomous operation, and privacy-preserving features.
|
