TCC S12

Dispositivo para identificação e Classificação de choro de recém nascidos

Motivação

Cuidar de recém-nascidos não é uma tarefa trivial. Compreender as suas necessidades a partir de seus choros costuma ser uma problemática frequente, na qual o ser humano no geral não é muito eficiente. Além disso, essa classificação exige a constante vigilância do agente, que normalmente acaba se acostumando com o choro do recém-nascido que tem mais contato. Estudos demonstram que pessoas treinadas com esse intuito atingem uma acurácia de apenas 30,33%. Modelos de Machine Learning recentes conseguiram atingir índices de precisão que variam de 71.68% a 94.97%. Tendo esses estudos como referências, vêse a possibilidade de embarcar uma solução de forma a criar um dispositivo capaz de realizar o processo de classificação dos choros

Linha de produtos: Modularidade

A abordagem escolhida para solucionar a grande gama de problemas é a de desenvolver uma linha de produtos hierárquica, onde produtos mais avançados contém mais características de babás eletrônicas, e mais básicos contem apenas o modelo de classificação. Todas as etapas de projeto visaram o requisito de modularidade, tando mecânica como de software e firmware.

Desenvolvimento

Hardware

Design e Fabricação de Placas de Circuito Impresso (PCB) Personalizadas, responsáveis por todas as funcionalidades do projeto. A implementação incorpora um microcontrolador STM32 dedicado a aplicações de baixo consumo de energia, LEDs para indicação visual, circuito de aquisição de áudio com microfone, circuito saturador para WakeUp da placa e um sistema de alimentação baseado em bateria recarregável via USB-C. O projeto foi concebido de maneira modular, considerando a possível integração de uma placa ESP-32 CAM para conectividade e monitoramento visual dos recém-nascidos nos modelos mais avançados.

Software

Durante o pré-processamento do áudio, calcula-se o espectrograma do sinal de áudio identificando assim a distribuição de frequências ao longo do sinal. Essa informação é passada para uma Rede Neural Recorrente (RNN) LSTM, que utiliza padrões em sequências de frequências para inferir suas classificações. O treinamento da RNN foi realizado utilizando o dataset Baby Chillanto, que classifica choros em dor, asfixia, normal, fome e surdez. Para melhora do balanceamento das classes e da generalização dos modelos, foram utilizados métodos de data augmentation sobre os dados. Firmwar

Firmware

O Firmware embarcado implementa a RNN em C, e a executa utilizando os pesos de treinamento obtidos. Repassa para a rede, então, dados obtidos pelo microfone. Responsável também pelo modo Low Power, ativado até que o choro seja identificado.

Case Mecânico

Projeto mecânico capaz de suportar o projeto eletrônico e a bateria. Além disso, permite a visualização dos LEDs de classificação assim como os de status da bateria, entrada de som, e conexão via cabo para carregamento de bateria.

Page updated

Report abuse