デザインとスマートなメガネの食品の摂取量と身体活動の分類のための評価

この手順の全体的な目標は、食物摂取やその他の身体活動中の側頭筋活動のパターンを検出するメガネ型ウェアラブルデバイスを設計および製造することです。この方法は、食事中の食物摂取検出など、摂取可能な行動のモニタリングの分野における重要な質問に答えるのに役立ちます。この手法の主な利点は、食物摂取中の側頭筋の活動パターンを眼鏡を使用して自動的かつ客観的に検出できることです。

製作手順のデモンストレーションは、弊社の機械エンジニアであるオ・ウォンジュン氏にご協力いただきます。データ収集の手続きは、当社にも在籍しているHak Yung Guが行います。実験の鍵となるのは、製造しなければならない回路モジュールです。

2つあります。1つはメガネのペアで左右のテンプル用。左側のモジュールには、ロードセル、コネクタ、計装アンプ、電圧レギュレータ、およびバッテリーコネクタが含まれています。

右側のモジュールには、WiFi、UARTコネクタ、マルチプレクサ、アンプ、コネクタ、およびロードセルを備えたマイクロコントローラーがあります。回路に加えて、メガネフレームを製作する必要があります。フレームは、プリント回路基板モジュールをサポートできる必要があります。

フレームを作成するには、3Dモデリングツールを使用して、メガネのヘッドピースとその2つのテンプルピースのモデルを描画します。図面をCADのステレオリソグラフィーファイルにエクスポートして、3Dプリントします。フレームパーツの印刷には、ノズル温度250°C、ベッド温度80°Cのカーボンフィラメントを使用してください。

印刷後、こめかみを内側に曲げる作業を行います。180°Cに設定された熱風送風機を使用して、ピースを加熱します。加熱したら、こめかみを約15度内側に曲げます。

続行する前に、各テンプルピースを内側に曲げます。すべてのピースを集めてグラスを組み立てます。これらには、左右のプリント回路基板、左右のテンプル、ヘッドピースが含まれます。

適切なテンプルコンポーネントから始めます。右のテンプルに右の回路基板を挿入します。ボルトで固定します。

左の回路基板と左のテンプルも同様に固定します。次に、ヘッドピースとテンプルの1つを適切なヒンジジョイントに取り付け、ボルトで固定します。もう一方のテンプルをヘッドピースに取り付けて続行します。

完了したら、3ピン接続ワイヤを使用して左右の回路を接続します。この設計では、バッテリーを左側の回路に接続します。粘着テープで固定します。

先端とノーズパッドにゴムテープを貼ってメガネを完成させ、着用者の摩擦を増やします。この時点で、データ集録の準備をします。コンピュータでGlasSense_Serverプロジェクトを実行し、フレーム回路モジュールをUSBで接続します。

GlasSense_Serverソフトウェアをマイクロコントローラーにフラッシュします。このプロジェクトでは、スマートフォンを使用してデータを受信します。コンピューターでGlasSense_Clientソフトウェアを実行し、USBコネクタを介してスマートフォンを接続します。

スマートフォンでデータ受信アプリケーションを構築します。研究では、被験者を特定し、適切なサイズのメガネを選択します。被験者にメガネを試着してもらいます。

必要に応じて、フレームのサポートボルトを使用してフィット感を微調整します。次のステップは、被験者にさまざまな活動のデータを収集させることです。座りがちな休息活動では、被験者に椅子に座らせて眼鏡をかけたまま読書をしてもらいます。

スマートフォンアプリを使用してアクティビティを120秒間記録します。頭の動きは許可しますが、全身の動きは避けてください。120秒後、録音を停止し、メガネを外して60秒間休憩します。

データの記録と休憩を4回繰り返します。歩行活動についても同様の手順に従って、被験者をトレッドミルに立たせ、眼鏡をかけてもらいます。トレッドミルを時速4.5kmで開始し、被験者の記録を120秒間保持します。

終わったら、メガネを外した状態で60秒休憩を取ります。座りがちな咀嚼や歩きながらの咀嚼活動もあります。これらのために、20x20 mmの正方形でトーストしたパンを準備し、噛むゼリーを準備します。

必要に応じて、被験者がトレッドミルに座るか、食べ物が近くにあるように手配します。眼鏡をかけたまま、アクティビティとデータ記録を開始します。被験者に普通に噛みながらパンを食べさせます。

120秒後、メガネを外した状態で60秒の休憩を取ります。次に、座りがちな会話活動を行います。このためには、被験者が座って通常のトーンと速度で本を大声で読んでいるときにデータを収集します。

座りがちなウィンク活動では、3秒ごとに鳴るように設定されたベルに反応して被験者がウィンクするように手配します。これらのデータは、各アクティビティを実行している 1 人の被験者からのものです。横軸は秒単位の時間です。

各縦軸は、10個の測定値の中央値を差し引いた後に測定された力です。青い曲線は左側、赤い曲線は顔の右側です。予想されるように、咀嚼活動の最大振幅は、座りがちな休息、座りがちな会話、および歩行活動と比較すると大きくなります。

このタイプのデータは、機械学習の分類手法への入力に変換されます。各開発の後、この手法は、摂取の問題を治療するための実用的な手段として、摂取可能な行動をより高い精度で自動的かつ客観的に監視するのに役立つ可能性があります。