ESP32-WROOM WiFi ve Bluetooth Modülü

32 bit MCU , 2.4 GHz Wi-fi ve TSMC 40nm low power technology Bluetooth çipleri barındırıyor. ESP32'nin ihmal edilebilir uyku akımı ESP32 (5 μA'dan az), pille çalışan ve giyilebilir elektronik uygulamalarının çoğuna uygun olmasını sağlar. ESP-WROOM-32, ölçeklendirilebilir ve uyarlanabilir ESP32-D0WDQ6 yongasını kullanan güçlü, 38 pinli Wi-Fi / Bluetooth / BLE MCU modülüdür. Bu çip, ultra düşük güç (ULP) ortak işlemcisi ile birlikte çekirdeğinde iki adet düşük güçlü Xtensa 32 bit LX6 mikroişlemci içerir. İki CPU çekirdeği ayrı ayrı kontrol edilebilir ve saat frekansı 80 MHz ila 240 MHz arasında ayarlanabilir. Kullanıcı aynı zamanda CPU'ları kapatabilir ve A / D dönüşümlerini ele almak ve eşik değerlerinde veya geçişlerindeki değişiklikler için çevre birimleri izlemek için ULP yardımcı işlemcisinden yararlanabilir.

MAX30100 KALP NABIZ SENSÖRÜ

MAX30100 içerdiği kırmızı ve kızılötesi LED' lerden ışık yayarak ve bu ışığın yansımasından ölçüm alarak çalışır. Bu LED kombinasyonu nabız ölçümü için en uygun rengi sağlamaktadır. LED'lerden gelen sinyal, bir mikroişlemci tarafından işlenir ve hedef mikrokontrolcüye I2C hattı üzerinden gönderilir. Besleme gerilimi 3.3V'tur.

MCP9808 SICAKLIK SENSÖRÜ

MPU6050 I2C protokolüyle haberleşen 3 eksenli bir gyro ve 3 eksenli bir açısal ivme ölçer bulunduran 6 eksenli bir IMU sensörüdür. Kart 3 ile 5 V arası bir besleme voltajı ile çalıştırılabilir. İvme ölçer ve gyro çıkışlarının her ikisi de ayrı kanallardan I²C çıkışı vermektedir. Her eksende 16 bitlik bir çözünürlükle çıkış verebilmektedir.

MPU6050 AÇI İVME JİRESKOP SENSÖRÜ

MPU6050 I2C protokolüyle haberleşen 3 eksenli bir gyro ve 3 eksenli bir açısal ivme ölçer bulunduran 6 eksenli bir IMU sensörüdür. Kart 3 ile 5 V arası bir besleme voltajı ile çalıştırılabilir. İvme ölçer ve gyro çıkışlarının her ikisi de ayrı kanallardan I²C çıkışı vermektedir. Her eksende 16 bitlik bir çözünürlükle çıkış verebilmektedir.

CA9548A I2C Multiplexer

TCA9548A modülü, aynı I2C adresine sahip 8 adet kartı aynı anda kullanabilecek yapıya sahip bir çoklayıcıdır. I2C sensör gibi kartların I2C adresleri değiştirilebilir yapıda değilse ve çoklu kullanıma ihtiyaç duyuluyor ise kullanılabilir.

Sistemimizde micro işlemci olarak esp32 kartını kullanıyoruz. Bu kartı seçmemizin amacı uygun fiyatı ile birlikte içerisinde wifi ve bluetooth modüllerinde barındırıyor olması. Ürünün gerçekleştirdiği temel fonksiyonlardan olan nabız ölçümü için yaptığımız araştırmalar ve ardından denediğimiz birkaç farklı üründen sonra max30100 Nabız sensörünü kullanmaya karar verdik. Bir diğer fonksiyon olan vücut sıcaklık ölçümü için ilk olarak tmp36 ve dht11 gibi farklı sensörler denesekte en son MCP9808 Sıcaklık sensörünü kullanıdık. Bu sensörü kullanmamızdaki temel sebep 0.25C gibi piyasada bulabileceğimiz uygun maliyetli çözümler arasındaki en hassas sensör olmasıydı. Bu projede üzerine en büyük işin düştüğü eleman kesinlikle, aktivite takibinde kullandığımız ivme sensörümüz. Piyasada birçok farklı ürün olmakla beraber biz MPU6050 ivme sensörünü kullandık. Bunun temel sebebi ürün hakkında birçok kaynak olmasının yanı sıra uygun maliyetli oluşuydu. Kullanmış olduğumuz 3 sensörde I2C seri haberleşme protokolü kullandığı için ve sensörlerden hangisinden veri geleceğini yazılımsal olarak kontrol etmek istediğimizden ötürü TCA9548A I2C Çoklayıcı kullandık. Kullanım senaryoları arasında kullanıcın istediği bir anda nabzını ölçebilmesi gerektiği için bir adet Tach buton kullandık.Bu butonun toprak bağlantısına gürültülerden etkilenmemesi için 10K’lık bir direnç yerleştirdik. Cihazı açıp kapayabilmek için bir on/off buton konumlandırdık. Bu buton cihazı beslemek için kullandığımız 1S 600 mah Lipo batarya ile ESP32 kartı arasındaki bağlantıyı açıp kapatıyor. Bütün bu sensörlerin birlrştirilmiş hali şekilde görülmektedir.

Veri Toplama Uygulaması

Cihaz kola takılabilir ve veri toplanabilir bir hale geldikten sonra Android platformda cihaz ile bluetooth bağlantısı kurup veri alabilen yardımcı bir uygulama geliştirdik. Geliştirdiğimiz bu uygulama sayesinde Yürüme, Koşma, Merdiven çıkma, Merdiven İnme, Oturma ve Uyuma aktiviteleri gerçekleştirilirken insan kolunun bu hareketler çerçevesinde X Y Z kordinatlarını kayıt altına aldık ve büyük bir veri havuzu oluşturduk.

Kirli verileri çıkartma

Oluşturduğumuz veri havuzunda verileri grafik üzerinde inceledik ve oluşan kirli verileri temizledik

Oluşturulan data set kullanılarak makine öğrenmesi modeli eğitildi. Lstm ağını tensorflow modeli ile implement ettik. Oluşan output dosyasını, uygulamaya ekledik. Bundan sonra cihazda bulunan ivmeölçerden okunan sensor değerlerini bluetooth aracılığı ile uygulamaya gönderdik. Gelen değerleri alarak hareketin sınıflandırılmasını yaptık. Daha sonra alınan değerlerin fft(fast fourier transform) dönüşümü ile baskın frekansını belirledik ve boylece yapilan hareketin kac kere tekrarlandigini bulduk. Sonuçları uygulamanın ilgili bölümlerinde gösterdik.

Uygulama başlangıcında cihazla Bluetooth bağlantısı kurulmadıysa kullanıcıya bir uyarı mesajı gösterilir. Kullanıcı cihazla telefon arasında Bluetooth bağlantısı kurduğunda uygulama beklenen şekilde çalışacaktır. Uygulama sorunsuz olarak başlatıldığında ilk olarak Giriş ve Kaydol ekranları gösterilir. Kullanıcı eğer daha önce mevcut telefonundan kayıt olmuşsa telefon numarası otomatik olarak çekilir ve giriş yapılır. Telefon numarası sistemde kayıtlı değilse Kaydol ekranından kişisel bilgilerini girerek kayıt olabilir. Profil düzenlemeleri ilk kayıt olunduğunda Firebase'e kaydedilir. Daha sonra Profil Düzenleme ekranından yapılan değişiklikler lokalde tutulur ve her seferinde Firebase'den veri çekilmediği için uygulama performansında artış sağlanır. Ana ekranda Yürüme, Koşma, Merdiven İnme/Çıkma, Nabız ve Vücut Isısı değerleri anlık olarak gösterilir. Cihazdan ve sunucudan gelen veriler işlenerek Firebase'e kaydedilir. Bu şekilde veri işlenmesinin tekrarlanması engellendiğinden uygulama performansında artış sağlanır. Ana ekranda herhangi bir aktiviteye tıklandığında seçilen aktivitenin 7 günlük verisi kullanıcıya bir çizgi grafiği şeklinde gösterilir. Aynı zamanda uygulamanın sol menüsünden ulaşılan Geçmiş sekmesiyle kullanıcı geçmiş 7 güne kadar bir tarih seçebilir, seçilen tarihte yapılan tüm aktivitelerin değerleri sunucudan çekilerek kullanıcıya gösterilir.

Ana Menü

Side Bar

Aktivite 7 Günlük Grafik

Profil