He de reconocer que gracias a los paseos con Yuna recorremos diariamente entre 15000 y 20000 pasos lo que no está nada mal… según nos marca nuestro iWatch.
Como nuestra perrita Husky (de 35 kg) siempre nos acompaña en nuestras salidas y cuando llega a casa aprovecha para dormir y descansar tampoco es necesario ningún «cuantificador de ejercicio» personal para ella.
En cualquier caso, Mithun Das, preocupado por mantener activa a su mascota, nos detalla como ha fabricado uno de bajo coste… y mucha «Ciencia» detrás.
Ha utilizado un sensor Seeed XIAO BLE nRF52840 que no es más que una IMU de seis ejes que da información de velocidad, orientación y fuerzas gravitacionales, usando una combinación de acelerómetros y giróscopos. Este sensor chino está pensado para aplicaciones IoT pudiéndose programar en TinyML/ Tensorflow.
Los datos recogidos en tiempo real se envían por Bluetooth para disponer de los datos necesarios para el entrenamiento de un modelo robusto. En este caso el tratamiento de la correspondiente serie temporal se ha hecho mediante análisis espectral realizado con la herramienta EdgeImpulse (que no conocíamos). Finalmente el modelo obtenido (con una precisión del 90%) se exporta a un fichero .INO que se sube al sensor XIAO.
Por otra parte en este github está disponible una aplicación para poder ver los resultados del modelo en un iPhone. La app para iOS ha sido realizada en Flutter la plataforma open-source de Google para el desarrollo de app multiplataforma de aplicaciones móviles.
533
La verdad es que este «Proyecto» es una interesante fuente de aprendizaje para interesados en la aplicación de Modelos de Inteligencia Artificial a aplicaciones reales utilizando herramientas Open Source y sensores Low-Cost!