Un dispositivo basato su Arduino Pro Nicla Voice è in grado di rilevare quando una persona sta russando e avvisarla delicatamente tramite un feedback tattile. Il dispositivo, che viene incorporato nel cuscino, è appositamente progettato per aiutare chi soffre di apnea ostruttiva del sonno durante la notte.
Nonostante il russare in sé sia una condizione relativamente innocua e comune a molte persone, coloro che russano durante il sonno possono anche soffrire di apnea notturna, un disturbo potenzialmente grave che provoca la chiusura ripetuta delle vie aeree e impedisce all'ossigeno di raggiungere i polmoni. Nel tentativo di avvisare coloro che potrebbero non essere consapevoli di soffrire di apnea notturna, Naveen Kumar ha ideato un piccolo dispositivo che utilizza una scheda Arduino Pro Nicla Voice per rilevare quando una persona sta russando e avvisarla delicatamente tramite un feedback tattile nel cuscino. Questo piccolo dispositivo elettronico fornisce una soluzione pratica a un problema che solo all'apparenza può sembrare irrilevante, ma che spesso ha conseguenze importanti sulla salute. Il dispositivo è facile da usare e rispetta la privacy conducendo inferenze all'edge. Sebbene il modello funzioni in modo corretto, esiste un potenziale di miglioramento attraverso l'inclusione di dati di addestramento più raffinati, con conseguente miglioramento dell'accuratezza e della robustezza per ridurre ulteriormente la probabilità di errori, falsi positivi e negativi.
Il progetto si articola nelle seguenti fasi:
- selezione dell'hardware
- configurazione dell'ambiente di sviluppo
- raccolta dei dati
- formazione del modello
- test del modello
- distribuzione del modello
- demo sull'inferenza
Sebbene molte schede elettroniche siano ormai dotate di microfoni e possano eseguire modelli di Machine Learning per il riconoscimento del suono, Nicla Voice contiene un Syntiant NDP120 Neural Decision Processor specificamente progettato per accelerare i carichi di lavoro di Deep Learning, riducendo al contempo la quantità di potenza necessaria per farlo. Oltre alla scheda, Kumar ha aggiunto un driver per motore tattile Adafruit DRV2605L e un motore aptico per svegliare l'utente senza disturbare altre persone che possono trovarsi nelle vicinanze. Il modello è stato creato scaricando prima un set di dati. Dopo aver aggiunto i dati all'Edge Impulse Studio, Kumar ha costruito un impulso dai blocchi Syntiant Audio e ha addestrato un modello che ha raggiunto un'accuratezza del 94,6% rispetto al set di dati di test. Il codice che integra il modello raccoglie continuamente nuovi campioni audio dal microfono, li passa all'NDP120 per la classificazione e attiva il motore aptico se viene rilevato il russamento dell'utente. Questo progetto mostra la capacità di una semplice rete neurale di affrontare problemi complessi, eseguiti attraverso un'efficace elaborazione del segnale digitale su dispositivi a bassa potenza e con risorse limitate come Syntiant NDP120 Neural Decision Processor su Nicla Voice.
Per saperne di più su questo progetto, seguire il link sottostante:
