karsten-winegeart-5PVXkqt2s9k-unsplash-2048x1368

چگونه ردیابی فعالیت حیوانات خانگی از برنامه تلفن همراه اینترنت اشیا الهام گرفته است

در ۲ دقیقه این متن را بخوانید

برای دستگاه‌های پوشیدنی و متصل، بازار حیوانات خانگی یک بازار جالب و فزاینده است. اینکه چه چیزی برای ارزیابی سلامت، فعالیت یا ایمنی حیوان خانگی شما مناسب است، می‌توان از فناوری‌های مختلف اینترنت اشیا از سنسورهای RFID، ردیاب GPS، بلوتوث استفاده کرد. اخبار اینترنت اشیا (IoT News) یکی از این محصولات، PoochPlay، را در سال ۲۰۱۸ مورد بررسی قرار داد.

این مورد آخر است که PixelPlex، یک شرکت مشاوره‌ای در زمینه توسعه بلاکچین، هوش مصنوعی (AI) و فناوری‌های اینترنت اشیا در پروژه‌هایی با رهبری صنعت استفاده می‌کند. این پروژه برای برنامه تلفن همراه اینترنت اشیای گسترده‌تر و راه‌حل جمع آوری داده است، اما دارای یک مثال استفاده برای ردیابی فعالیت حیوانات خانگی و داده‌های حرکتی می‌باشد.

کاربران می‌توانند داده‌های حرکت حیوان خانگی خود را جمع آوری کنند، با این برنامه تلفن همراه به آن‌ها اجازه می‌دهد مجموعه‌ها را تنظیم کرده و برخی را به صورت دلخواه مانند نام، وزن، قد، نژاد قبل از ضبط اطلاعات تنظیم کند.

هدف اصلی راه‌حل اینترنت اشیا این بود: “نه فقط جمع آوری مجموعه داده‌های مختلف حرکت، بلکه استخراج انواع خاصی از اطلاعات از تمام داده‌های جمع آوری شده”، یادداشت های PixelPlex. این شرکت مهم نشان می‌دهد: ” فعال کردن این فرآیند قبل از بارگذاری داده‌ها برای استفاده بسیار پیچیده‌تر مانند مدل سازی الگوی حرکت، یادگیری ماشین و علم داده مهم بود.”

این راه حل سه مرحله دارد و از فناوری Bluetooth Low Energy،(BLE)، بهره می‌برد. ابتدا سنسور حرکت داده‌هایی را می‌گیرد که در درجه اول از شتاب سنج و ژیروسکوپ تهیه می‌شوند. این مرحله تنظیم مجموعه داده‌ها است. مرحله دوم مربوط به ضبط مجموعه داده است. این می‌تواند شامل هر الگوی حرکتی مانند سرعت، مدت و فرکانس باشد. در کنار داده‌های دو حسگر اصلی، مجموعه‌هایی می‌توانند شامل داده‌های هدایت شده توسط GPS، تصاویر، فیلم‌ها و فایل‌های صوتی نیز باشند. مرحله سوم شامل بارگذاری بسته‌های داده است. هنگامی که بسته جمع آوری آماده است، برنامه قبل از بارگذاری در ابر، بررسی می‌کند که آیا کیفیت داده ضبط شده مناسب است یا پیشنهاد می‌کند که ضبط دیگری انجام شود.

الکسی دولوب، بنیانگذار و مدیر عامل شرکت PixelPlex، توضیح می‌دهد: “این یک پروژه کاملا جالب بود. این ایده پیوستن سنسورها و ادغام داده‌های این حسگرها و استفاده از آنها برای ردیابی مسیرها و تولید بسیاری از مجموعه‌های داده برای پردازش بیشتر توسط هوش مصنوعی، ایجاد مجموعه داده‌های یادگیری ماشین بود. در اصل، این یک مکانیسم ردیابی رفتاری بود.”

دولوب اضافه می‌کند: “چالش اصلی، فشرده سازی تمام این داده‌ها بود، زیرا محدودیت‌هایی در میزان انتقال شما وجود دارد و ایجاد این مکانیزم برای جمع آوری هرچه بیشتر داده‌ها و انتقال آنها در اسرع وقت مشکل بود.”

مصرف کمتر از برق و مصرف کمتر از باتری از جنبه‌های مثبت این فناوری است، اما از نظر محدود کردن نسبت انتقال برای داده‌ها می‌تواند محدودیت‌هایی ایجاد کند. PixelPlex برای غلبه بر این مسئله از “الگوریتم‌های مختلف انتقال و فشرده سازی” استفاده کرده‌ است. دولوب توضیح می‌دهد: “ما چند روش فنی در مورد چگونگی بسته بندی همه چیز در عین ارسال، ارسال آن به ابر و باز کردن بسته بندی آن و استفاده از تمام‌ الگوریتم‌های یادگیری ماشین برای داده‌ها پیدا کردیم.”

کسب اطلاعات بیشتر

 

منبع

این مطلب را به اشتراک بگذارید

اشتراک گذاری در print
اشتراک گذاری در email
اشتراک گذاری در twitter
اشتراک گذاری در linkedin
اشتراک گذاری در whatsapp
اشتراک گذاری در telegram