Novel artificial intelligence-dynamic programming on infrared thermometer based on internet of things (IoT)

• Autorzy: Boonsong Wasana

Identyfikatory

DOI

10.15199/48.2022.05.14

Warianty tytułu

PL

Nowatorskie programowanie sztucznej inteligencji — dynamiczne programowanie termometru na podczerwień w oparciu o Internet rzeczy (IoT)

• Języki publikacji: EN

Abstrakty

EN

According to the COVID-19 epidemic, the world has completely changed to new norm life. However, until 2022, people are still facing COVID-19 and its spreading and fast infection to the human body. Healthcare workers are on the front lines and are at higher risk of contracting COVID-19 than other occupations because they must be in close contact with the patient who risks virus diseases. The paper proposes the novel artificial intelligence (AI)-dynamic programming algorithm on infrared Thermometer based on the Internet of things (IoT) to support the medical personnel. The proposed novel thermometer is divided into three main sections, which are 1) Temperature sensing device, 2) Embedded dynamic programming algorithm, and 3) IoT communication platform. The innovation was designed using dynamic programming algorithm embedment, reducing complex and repetitive processing errors and fast computation. Moreover, it was tested according to the research methodology way. The temperatures were collected within the controlled condition test of time, environment condition, and same body organ of volunteer according to the various distances. The experimental results came out with three classified zones: best, moderate, and ineffective spaces. In addition, the discussions were also included about the complication factors about sensor's accuracy detection, such as angle detection, target distance, and focusing of wireless infrared Thermometer.

PL

Według epidemii COVID-19 świat całkowicie zmienił się w nowe, normalne życie. Jednak do 2022 r. ludzie nadal stoją w obliczu COVID-19 oraz jego rozprzestrzeniania się i szybkiej infekcji w ludzkim ciele. Pracownicy służby zdrowia znajdują się na pierwszej linii frontu i są bardziej narażeni na zarażenie się COVID-19 niż w innych zawodach, ponieważ muszą być w bliskim kontakcie z pacjentem zagrożonym chorobami wirusowymi. W artykule zaproponowano nowatorski algorytm sztucznej inteligencji (AI)-dynamicznego programowania termometru na podczerwień w oparciu o Internet rzeczy (IoT) w celu wsparcia personelu medycznego. Proponowany nowatorski termometr jest podzielony na trzy główne sekcje, którymi są 1) urządzenie do pomiaru temperatury, 2) wbudowany algorytm programowania dynamicznego oraz 3) platforma komunikacyjna IoT. Innowacja została zaprojektowana z wykorzystaniem dynamicznego osadzenia algorytmu programowania, redukującego złożone i powtarzalne błędy przetwarzania oraz szybkie obliczenia. Ponadto został przetestowany zgodnie z metodologią badawczą. Temperatury zbierano w ramach kontrolowanego testu warunków czasu, warunków środowiska i tego samego organu ciała ochotnika w zależności od różnych odległości. Wyniki eksperymentalne przyniosły trzy sklasyfikowane strefy: najlepsze, umiarkowane i nieefektywne przestrzenie. Ponadto dyskutowano również na temat czynników komplikacji związanych z wykrywaniem dokładności czujnika, takich jak wykrywanie kąta, odległość celu i ogniskowanie bezprzewodowego termometru na podczerwień.

Słowa kluczowe

EN

COVID-19; AL; loT; thermometer; dynamic programming

PL

COVID-19; sztuczna inteligencja; podczerwień; pomiar temperatury

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 5
• Strony: 76--79
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Boonsong Wasana

• Department of Electrical Education, Faculty of Industrial Education, Rajamangala University of Technology Srivijaya, Songkhla, Thailand

• https://orcid.org/0000-0003-3801-3053

Bibliografia

• [1] Liu. W., Zhang. C., Lin. H., Qu. W., Li. X,Wang. W, Texture and sliding motion sensation with a triboelectric-nanogenerator transducer, Sens. Actuators A, Phys, vol. 256, (2017), pp. 89-94
• [2] Ji. H. H., Jeong. S. K., Min-Sun, K., Yong. S. K., A 3D Touchless Hand Navigation Sensor for Small-Size and Low-Power Applications, IEEE Sensor Journal, vol. 19, (2019), pp. 4907-4914
• [3] Stephan. M. K., Mathias. B., Dominik. S., Hubert. Z., Contactless Control of a Kinematically Redundant Serial Manipulator Using Tomographic Sensors, IEEE Robotics and Automation Letters, vol. 2, (2017), pp. 562-569
• [4] Ashish. G., Debasrita. C., Anwesha. L., Artificial Intelligence in Internet of Things, IET Research Journals, (2015), pp. 1-11
• [5] Yasser. I., Internet of Things (IoT) for Automated and Smart Applications, IntechOpen, (2019)
• [6] Farooq. A., Zain ul Abedin. Z., Asif Hussain. H., Jabar. M., Wireless Mesh Network, International Journal of Computer Science and Information Security, vol. 14(12), (2016), pp. 803-809
• [7] DFROBIT.I2C Non-Contact IR Temperature Sensor (MLX90614-DCI).
• [8] OLED-info., An introduction to OLED displays, 2021, Retrieved September 11, 2021, from http://www.oled-info.com/oled-introduction
• [9] Dishant. S., Pooja. A., Vedant/ A., Enhanced Pyrometric device with Long Range for mass screening based on MLX90614, (2021)
• [10] Antti. L., Competitive Programmer's Handbook, (2018)
• [11] Free unaffiliated eBook created from Stack contributors, Learning Dynamic-Programming, (2021)
• [12] Ning/ J., Chunjun. Z., Design of Intelligent Medical Interactive System Based on Internet of Things and Cloud Platform, 2018 10th International Conference on Intelligent Human-Machine Systems and Cybernetics, (2018), pp. 28-31
• [13] Wasana.B., Narongrit. S., Wireless Automatic Body Temperature Sensing System with Noncontact Infrared Via the Internet for Medical Promotion, Przeglad Elektrotechniczny, vol. 97, (2021), pp. 132-135
• [14] Giovanni Battista. D., Elena. C., Aaura. C., Giorgio. Ff., Marco. D., Noncontact Body Temperature Measurement: Uncertainty Evaluation and Screening Decision Rule to Prevent the Spread of COVID-19, Sensors, (2021), pp. 1-21
• [15] Betta. G., Dell's. M Frattolillo. M. A., Experimental design techniques for optimizing measurement chain calibration,Meas. J. Int. Meas. Confed, (2001), pp. 115-127
• [16] Getta. G., Dell's Isola. M., Optimum choice of measurementpoints for sensor calibration. Means. J. Int. Meas. Confed, (1996), pp. 115-125

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).