Smart Worker Helmet for Human Activities Monitoring

Abstract

The diploma thesis concerns with the design and realization of a partially self-powered helmet equipped with photovoltaic elements and a battery management for harvesting purposes, including an inertial sensor for activity evaluation and a transmitter to a remote station. The experimental efficiency comparison of electronic solutions for energy harvesting allowed to choose the BQ25504 as a suitable solution. Influence of inertial sensors (MPU9250 and BNO055) on a power consumption was experimentally tested based on the measurment results the BNO055 was selected as a suitable inertial sensor for activity evaluation. A graphical user interface in the LabView program was developed for the management and monitoring of all data. The Matlab software was used for development of movement classification algorithm using the Värri method of connected windows and the proposed rule-based classifier. The accuracy of segmentation algorithm verified on 10 probands was evidently influenced by differences in the probands movements. Testing of the influence of the sensor position on the helmet proofed that the classification algorithm achieved best results for the temporal position on the helmet. The observed shortcomings affecting the accuracy of the activity classification are discussed.

Diplomová práce se zabývá návrhem a realizací částečně energeticky soběstačné helmy vybavené fotovoltaickými prvky a obvodem pro správu baterie, včetně inerciálního senzoru pro vyhodnocení aktivity vybaveného vysílačem pro odeslání dat do vzdálené stanice. Experimentální porovnání účinnosti elektronických systémů pro Energy Harvesting umožnilo vybrat BQ25504 jako vhodnou metodu řešení. Vliv inerciálních senzorů (MPU9250 a BNO055) na spotřebu energie celého systému byl experimentálně testován. Pro následné vyhodnocení aktivity byl na základě výsledků měření vybrán jako vhodný inerciální senzor BNO055.Pro správu a monitorování všech dat bylo vyvinuto uživatelské rozhraní v prostředí programu LabView. Program Matlab byl použit pro návrh algoritmu klasifikace pohybu pomocí Värriho metody spojených oken a klasifikátoru založeného na pravidlech. Přesnost segmentačního algoritmu ověřeného na 10 probandech byla evidentně ovlivněna rozdílným provedením pohybů jednotlivých probandů. Testování vlivu umístění senzoru na helmě na přesnosti klasifikace prokázalo nejlepší výsledky při umístění senzoru na apikální části helmy. V práci jsou následně diskutovány zjištěné vlivy ovlivňující přesnost klasifikace.