Sběr, zpracování a prezentace dat z taktilního senzoru

Abstract

Cílem této bakalářské práce je navrhnout a realizovat komplexní postup sběru, zpracování a prezentace dat z taktilní měřicí platformy založené na piezorezistivních senzorech Velostat. Nejprve je popsán princip fungování senzoru, včetně mechanické ochrany a minimalizace přeslechů. Následně je představeno webové rozhraní platformy pro hromadný sběr snímků tlaku pacientů vleže. V praktické části práce jsou vytvořeny dva datové soubory: testovací dataset pro vizualizaci poloh v MATLABu a kalibrační dataset pro identifikaci regresních modelů jednotlivých taxelů. Pro kalibraci byly vyzkoušeny polynomiální modely od nultého až po třetí řád s optimalizací koeficientů metodou nejmenších čtverců a hodnoceny pomocí křížové validace. Výsledky ukazují, že základní lineární regrese je podle uvedených kritérií přesným modelem pro aproximaci chování 56 % taxelů z celé sady. Práce tak poskytuje metodiku pro tvorbu kalibrovaných datasetů a implementaci regresních algoritmů, které lze využít pro automatizované monitorování polohy pacientů a další aplikace v oblasti zdravotnictví i průmyslové automatizace.

The aim of this bachelor’s thesis is to design and implement a comprehensive procedure for the acquisition, processing, and presentation of data from a tactile measurement platform based on Velostat piezoresistive sensors. First, the operating principle of the sensor is described, including mechanical protection and crosstalk minimization. Subsequently, a web interface for the platform is introduced to enable bulk collection of pressure images from patients in a lying position. In the practical part of the thesis, two datasets were created: a test dataset for visualizing body positions in MATLAB, and a calibration dataset for identifying regression models of individual taxels. Polynomial models from zero to third order were tested for calibration, with coefficient optimization performed using the least squares method and evaluated via cross-validation. The results show that basic linear regression, according to the given criteria, provides an accurate model for approximating the behavior of 56 % of the taxels in the entire set. The thesis thus provides a methodology for creating calibrated datasets and implementing regression algorithms that can be used for automated monitoring of patient positions and other applications in healthcare and industrial automation.