ディー・クルー・テクノロジーズ Blog

bookmark_borderAIモデルを開発する(AI×IoT トイレ見守り④)

無人TOF画像とリアルタイムのTOF画像を比較することで、人の位置や状態を判断できるのであれば、AIも同様にそれを判断できるはずです。この考えを基に、シンプルなAIモデルを開発しました。

前回の記事はこちら

AIモデルの仕組み

このAIモデルは、以下の3つの状態を検出できるように設計されています。

  • 空の個室 – TOFセンサーの値から人が存在しないことを検出し、トイレが使用されていないことを示します。
  • 使用中の個室 – TOFセンサーの値から立っているまたは座っている人を検出し、トイレが使用中であることを把握します。
  • 転倒した人 – TOFセンサーの値から床に倒れている状態を検出し、緊急事態であることを示します。これは迅速な対応を必要とします。

さらに、より高度なケースとして、トイレに座ったまま体調不良になった場合などには、タイムアウト検出機能を設けました。具体的には、「トイレに座ったまま15分以上動きがない」といった条件でこの異常を検知し、見守りアラートを発することが可能です。

PoCにおけるAIモデルの構成図

今回のAIモデル開発は非常にシンプルなものに徹しました。以下にPoCにおけるAIモデルの構成図を示します。

AIモデルの入力(左端)

このモデルには、以下の2つの入力があります。

  1. リアルタイムのTOF画像 ‐ 状態(立っている、座っている)を示す画像。
  2. 無人のTOF画像 – トイレが空いている状態を示す画像。

AIモデルの構成(中央)

このAIモデルは、次の2つのパートから成っています。

  1. 特徴 抽出パート – 画像から特徴情報を抽出します。
  2. 判断 パート – 抽出された特徴情報をもとに状態を判断します。

AIモデルの出力(右端)

また、出力は下記の3つです。

  1. 転倒状態の合計人数 – 床に倒れている人の数。
  2. 正常な状態の合計人数 – 立っているまたは座っている人の数。
  3. 検出された合計人数 – 検出された全ての人の数。

AI モデル学習を実行する

AIモデルは教師あり学習を用いて学習されます。モデルを学習させるためには、入力データと出力データの2種類のデータが必要です。教師あり学習とは、正解を逐次教えることで学習を行う方法です。

  1. 入力TOFデータ – TOFセンサーから取得した画像データ。
  2. ラベル(出力)– 出力データとして、検出された合計人数、正常な状態の合計人数、転倒状態の合計人数を使用します。

AIモデルが学習するステップは?

 AIモデルの学習ステップは以下の通りです。

  1. TOF画像をAIモデルに入力し、AIモデルの判断結果を正解データと比較します。
  2. AIモデルを更新し、正解に近い判断ができるように調整します。。

このように、プロセスはシンプルなのですが、賢いAIモデルを生み出すためにはこのプロセスになんと、数万枚の画像「データ」とそれ以上の反復学習が必要になる場合があります!

実用的なAIソリューションを作ることは挑戦ですが、最大の課題はAIモデルそのものではなく、「データ」です。

次回は、私がどのようにしてトイレのためのAI学習用「データ」を収集したのか、その方法についてお聞かせいたします。

bookmark_borderTOFセンサーとは?その仕組みとトイレ見守り活用方法を徹底解説(AI×IoT トイレ見守り③)

前回記事からの続きです。前回記事は↓からどうぞ。

近年、スマートフォンや自動運転車、産業用ロボットなど、さまざまな分野で使用される技術が急速に進化しています。その中でも「TOFセンサー」という言葉を耳にする機会が増えてきました。

TOFセンサーは、低コストで解像度も粗めなので、安全でプライバシーに配慮したトイレ見守りも可能になっています。本記事では、TOFセンサーとは何か、その基本的な仕組みから具体的な活用方法までをプロフェッショナルな視点で解説するとともに、PoCの製作を通じ、効率的なトイレ見守りシステムを提案します。

TOFセンサーの概要

TOFセンサー(Time of Flight Sensor)は、物体までの距離を正確に測定する技術です。「Time of Flight」とは「飛行時間」を意味し、光や電波が発信されてから物体に反射して戻ってくるまでの時間を計測することで距離を算出します。この技術は、高精度な距離測定が可能であり、様々な応用分野で利用されています。

TOFセンサーの技術

TOFセンサーでは、短い光パルス(通常は赤外線)が物体に向けて発信されます。パルスが物体に反射して戻ってくるまでの時間を高精度で計測し、その時間から距離を算出します。高速での距離測定が可能であり、動く物体の検出にも適しています。

このTOFセンサーはアクティブセンサーであるため、暗所などの環境でも使用できます。 センサーのTX(送信)部はレンズ技術を用いて赤外線をバースト送信(図の緑線)し、8ピクセルの平面グリッド列を形成します。

TOFセンサーの画像(8ピクセル)

物体に反射した赤外線はRX(受信)レンズを通過し、赤外線検出器のアレイに導かれます(図の赤線)。検出器は、一定の時間間隔ごとに赤外線の到達時間と数を記録します。 その出力は、時間間隔ごとの赤外線光子数のヒストグラムとなります。このヒストグラムのピーク情報と時間データを用いることで、各検出器ごとの物体までの距離を算出できます。赤外線光の速度は光速と同じであるため、センサーは非常に短い時間間隔で計測します。

TOFセンサーでトイレ見守りPoCを作る

TOFセンサーをトイレの天井に設置します。通常は高さ2.2メートルから2.8メートルの範囲に配置されます。

下図中央のようなレイアウトだと、左図のように壁やトイレなどの特徴がセンサー画像に映りますが、それらの位置は分かっているため、TOF画像で見ても理解はしやすいです。

ただし画像の解像度が低いため、トイレの曲面などの細かい形状は認識できません。

トイレ内の物体の動きはどう判断されるのか

一番右の図の無人のトイレ個室のTOF画像と、それぞれ人がいる状態の画像をリアルタイムに比較することで、個室内に何かがあることが判断できます。

  1. 無人
  2. オレンジ色のピクセルは、人が立っているエリアを示します。
  3. 黄色のピクセルは、人が座っているエリアを示します。
  4. 緑色のピクセルは、人が倒れているエリアを示します。

このように、低解像度のTOFセンサーでも、トイレ内のどこかに何か(または誰か)がいるかを推測できます。また、物体の大きさや高さ(天井に近いのか、床に近いのか)も推測可能です。ただし解像度のため、センサーのみでそのものずばりを人か否かと判別することまではセンサーではできません。この点は予めご理解ください。。

AIモデルの登場

このように無人のトイレのTOF画像と他のリアルタイムのトイレのTOF画像を比較するだけで、人間が見て物体(人)の位置や状態を判断できるのであれば、AIを使っても同様に判断できるはずですね。この考えをもとに、私はシンプルなAIモデル を開発しました。次回はそのAIモデルについてお話しします。

bookmark_borderAI×IoTでトイレ見守りシステムを作る(2)

トイレ見守りシステムの2回目です。今日は見守りを可能にする技術の変遷についてお話します。

前回の記事はこちら↓

技術革新がスマートトイレ見守りを可能にした理由とは?

この20年間で、モバイル産業、IoT、AI の急速な発展により、私たちの生活は大きく変わりました。そして、これらの技術の進歩は スマートトイレ監視システム の実現にも大きく貢献しています。

では、どのようにしてここまで進化してきたのでしょうか? その鍵の1つは モバイル産業がけん引した、センサー技術、マイコン(MCU)、そしてAIの進化 にあります。

モバイル産業が技術革新牽引したセンサーとは?

技術革新の大きな原動力となったのが、モバイル産業 です。スマートフォンの進化とともに、メーカーは より小型で低コスト、かつ省電力なセンサー の開発を進めてきました。その結果、以下の技術が大きく発展しました。

  • MEMS(Micro-Electro-Mechanical Systems)センサー – MEMSセンサーは、小型化された加速度センサー、ジャイロセンサー、マイクなどの複雑なデバイスを含みます。これらのセンサーは、ミリメートル単位のサイズでありながら、高精度かつ高感度な測定機能を提供します。例えば、加速度センサーは、自動車の安全システム、スマートフォン、スマートウォッチなど、幅広い用途で利用されています。また、ジャイロセンサーは、デバイスの向きや角度を正確に測定できるため、ゲームコントローラーやドローンの操縦システムなどで重要な役割を果たしています。さらに、MEMS マイクは、音声認識や通信機器において高い性能を発揮します。
  • パッシブイメージセンサー – 従来のRGBカメラやサーマルカメラは、高価な機器に依存していましたが、技術の進歩によってコストが大幅に下がり、ますます多くの消費者が利用できるようになりました。この変化は、スマートフォンのカメラ機能の向上だけでなく、他の分野でも応用が広がっています。たとえば、パッシブイメージセンサーは、セキュリティシステム、医療用診断機器、さらには農業における作物モニタリングなど、多岐にわたる応用が見込まれています。これにより、ユーザーは手軽に高品質なイメージデータを取得できるようになり、情報の可視化や的確な判断を行うための手助けとなっています。
  • レーダー、LiDAR、TOFセンサー – レーダー、LiDAR(Light Detection and Ranging)、そしてTOF(Time of Flight)センサーは、もともとモバイルデバイスや自動車向けに開発された高度なセンサー技術です。特に人の存在を検知する用途において、そのプライバシーを守る機能が注目されています。レーダーは、非接触で対象物の移動を捉えることができ、交通管理や安全装置として広く使われています。また、LiDARは、レーザーを用いて周囲の詳細な3Dマップを生成することができ、これにより自動運転車両の進化に貢献しています。TOFセンサーは、光の飛行時間を測定することで、距離や深さを高精度で計測できるため、拡張現実(AR)やバーチャルリアリティ(VR)といった分野でも重要な役割を果たしています。

このように、携帯電話業界が推進した省電力化、低コスト化、センサーサイズの小型化の3つは、ドローン、XR、VR、ウェアラブルなどの他のビジネスの起爆促進剤となりました。

MCU(マイコン)と組み込みAIの進化

センサーが進化する一方で、それを処理する マイコン(MCU: Microcontroller Unit) も急速に進歩しました。これにより、スマートトイレ見守りシステムのようなエッジAIデバイスの開発が可能になりました。このシステムは、使用者の健康状態や行動をリアルタイムで監視し、データを解析することで、予防医療や健康管理に寄与します。従来のクラウドベースのシステムに依存せず、デバイス自体で直接データ処理を行うことができるため、迅速なフィードバックとプライバシーの保護が実現されます。

  • 省電力で高性能な32ビットMCU が、センサーや画像データをリアルタイム処理 できるようになりました。
  • 一部の企業では MCUとセンサーを一体化 し、さらなる小型化と効率化を実現しました。ハードウェアの複雑さが軽減され、製造コストも削減されます。これにより、より多くの企業や開発者がエッジAI技術を活用しやすくなり、様々な産業での応用が広がります。
  • IoT向けのAI対応チップ の登場により、AIを活用したエンベデッドシステムの開発が容易になりました。データの収集、処理、分析を行うための計算能力を持ちながら、従来のMCUよりもさらに小型・低消費電力を実現します。

7〜8年前までは、32ビットMCUでAIを処理することはその処理能力に限界があり、実用的ではありませんでした。しかし現在ではこうした技術の進歩により、デバイス上でAIアクセラレータを内蔵したMCUがAIモデルを直接実行することが可能になっています。この進化により、リアルタイム分析が可能になり、従来のクラウド依存型のアプローチから脱却することができるようになり、より迅速な意思決定を可能とし、さまざまな業界での応用が期待されます。

AI対応MCUチップの構成イメージ

⓵シングルパッケージソリューション
②マルチパッケージソリューション

見守りシステムにおける、AI活用の可能性とは?

なぜスマートトイレ見守りにAIが必要なのか?

「そもそも、なぜトイレ見守りシステムにAIや機械学習が必要なのか?」という疑問を持つ方もいるかもしれません。その答えは、センサーデータの処理が極めて複雑だから です。従来のアルゴリズムでは、転倒検知や動作検知を高精度に実現することが難しい のです。AIを活用することで、以下のようなメリットが得られます。

  • 高精度な検知 – AIは、従来のアルゴリズムでは見逃しがちなパターンを認識できる。これにより、より正確に異常事態を検出することができ、利用者の安全を向上させます。
  • 適応性 – AIモデルは、学習を重ねることでより正確な検出が可能に。様々な環境や状況に応じた柔軟な対応が可能となります。
  • 自動的な特徴抽出 – ルールをいちいち手作業で作らなくても、AIを利用すればデータから自動的にパターンを学習し、精度の高い判断が可能となります。

ただし、AIは万能ではありません。最も重要なのは 「正しいデータを用意すること」 です。データの質が悪ければ、AIモデルの学習精度も低下します。そうならないような学習データの収集と管理が成功の鍵を握ります。

スマートトイレ見守りの未来

センサー、MCU、AIの進化 により、プライバシーに配慮したスマートトイレ監視システムが実現可能になりました。今後、さらなる技術革新により、以下のような進展が期待されます。

  • よりコンパクトで低コストなソリューションの登場
  • より高精度なAIモデルによる検知の向上 IoTやクラウドとの統合によるさらなる利便性向上

次回は、スマートトイレ見守りの実験の様子や、実験に使用したTOFセンサーについて解説します。

bookmark_borderAI×IoTでトイレ見守りシステムを作る(1)

急速に変化する日本社会、求められるデジタル変革

日本社会は大きな変革の時を迎えています。若年層と高齢層の人口バランスが変化し、労働可能な人口が減少する一方で、高齢者の割合は急速に増加しています。このような社会構造の変化に対応するため、今生活設備の自動化やデジタル変革(DX)が不可欠になっています。デジタル変革にはコストが重要な課題の1つです。新しいソリューションを導入する際は、初期費用だけでなく、長期的なサポートコストも考慮し、費用対効果の高い選択をすることが求められます。

こんにちは。私は、ディー・クルー・テクノロジーズで「ハードウェア、センサー、処理技術(アルゴリズム・AI)、そして通信技術(ワイヤレスなど)」を組み合わせることで、コストの課題に対応できるソリューションを提供可能と考えているエンジニアです。 今回は、テクノロジーの力で、変化する社会に柔軟に適応し、より持続可能な未来を実現していけることを皆様にも感じてもらいたく、このブログを寄稿いたしました。

トイレみまもりシステムとは? ー今、トイレ監視が求められる理由

近年、病院や高齢者介護施設、パチンコ店、カフェ などでのトイレ監視システムの重要性が高まっています。それらの目的はシンプルで、利用者の異常な状態をできるだけ早く検知し、迅速な対処を可能にすることです。もし命に係わるような緊急時であったときは、わずかな遅れが健康や深刻な影響を及ぼす可能性がありますので、なおさらこうした対策が求められているのです。

トイレは 人目の届かない空間 であり、利用者が困っていても気づきにくい場所です。病院の患者、介護施設を利用する高齢者、パチンコ店などの娯楽施設やカフェのお客様 などが、万一お一人でトイレを利用中に急な体調不良が発生した場合、気づかずに放置されてしまい、場合によっては命にかかわるという高いリスクが常に伴います。

だからこそ、そこにトイレにIoTがあれば、お一人で利用していても、それぞれの環境で 迅速な異常検出を行って場合によっては命を救うこともできるかもしれない、と考えています。

盗撮と勘違いされないようにトイレを見守るには?

トイレの監視システムでは利用者の状態をセンサーで検出するという仕組みが必要です。しかし、盗撮・盗聴などの悪質行為と勘違いされないように配慮しなければなりません。ここが以前ブログでお伝えしたカメラを使った駐車場監視とは違ったトイレ見守りの難しいところです。

カメラ・マイクはご法度!

さて、利用者の行動を監視するには、結論から言うと次のような検知機能が求められます。

  • 占有検知 – トイレが利用者によって使用中かどうか
  • 動作検知 – 利用者に異常な動きがみられないか
  • 転倒検知 – トイレ内で利用者が倒れていないか

これらの検知を、カメラやマイクを用いずに、実施すること。これができれば、異常時に適切な対応ができる仕組み を作ることが可能になります。

トイレ見守りにたいする街の施設の課題感とは?

  • 病院・高齢者介護施設の課題
    • 病院では、看護師がナースステーションから複数の病室を監視 することが一般的です。しかし、監視システムの届かない、トイレの中で患者に異変があったとしても、すぐには気づけません。
    • 患者さんのプライバシーを守りつつ、異常な静止状態や転倒を自動で検知し、看護師に通知できるシステムを導入すれば、これによりプライバシーを守りながら患者さんの安全を確保 できます。
  • パチンコ店などの娯楽施設の課題
    • 医療・介護スタッフが常駐しているような設備であれば、まだ人的にリスク回避が可能ですが、医療スタッフが常駐しているわけではない、パチンコ店では、長時間座って遊技するお客様が多く、トイレをずっと我慢していたり、たまに立ち上がってトイレに行って用を足しているときに、お客様の中には体調を崩されてトイレ内で倒れるといったケースがあるそうです。

実際に娯楽施設の運営サイドでは、こうしたシチュエーションにおいてお客様の健康を守るために、異常検知システムが求められているようです。私もパチンコ店のような環境でこそ、IoTシステムによる異変の早期発見がより重要なキーになるのでは、と考えています。

パチンコ店が求めているトイレ見守りシステムとは?

さて、お店では、大きく分けて3つのお客様の異常を検知できるシステムを求めているそうです。

  1. トイレ内での体調不良による意識喪失
  2. 異常に長い滞在時間による健康リスク
  3. 転倒・転落事故の発生
トイレで慌てて転倒!

こうした緊急事態をプライバシーに配慮した環境でシステムが検知し、スタッフに通知すれば、迅速な対応が可能です。パチンコ施設側も安心安全なお手洗いの提供という付加価値も提供できます。

スマートなトイレ見守りシステムはどうあるべきか

さて、こうした状況をカバーする、スマートな見守りシステムとはどうあるべきでしょうか?

何はなくともプライバシー配慮型であること

繰り返しになりますが、トイレ監視システムの導入にあたっては、プライバシーの確保が最優先事項 です。監視にはカメラを使用せず、高解像度のRGBカメラやサーマルカメラの導入は避けるべき です。その代わりに、最近進化した別のセンサー技術を活用することで、プライバシーを守りながら監視を行えます。また、大規模施設もおおいこうした設備では量導入が見込まれるため、システムには 低コストでスケーラブルな設計 も求められます。優れた監視システムにするには以下の条件が必要です。

加えて3つのシステム条件が必要

  • 低コスト – IoTシステムの導入において、最も重要な点の一つは低コストです。病院や企業は限られた予算内で効率的に運営を行う必要があります。そのため、導入時のコストが抑えられ、手頃な価格設定であることが求められます。これにより、さらなる機会を捉えやすくなります。
  • スケーラブル – もう一つの条件はスケーラビリティです。多くの施設や部門に対して、スムーズにシステムを展開できる能力があることが重要です。つまり、必要に応じて規模を拡大したり、異なる環境に適応することができるシステムが望まれています。
  • 高精度 – 最後に、高精度もIoTシステムの重要な要素です。過検知や誤検知を防ぎ、正確に異常を検出する能力は、信頼性のある運用に欠かせません。特に医療機関では、患者の安全を守るためにも、精度の高いデータ収集が求められます。

これらの条件を考慮しながら、IoTシステムの導入を進めることで、より効率的で安全な運用の可能性が広がると考えます。

スマートトイレ見守りを可能にする技術とは?

プライバシーに配慮しながら、コストを抑え、確実に異常を検知できる仕組みを構築する技術が進化することで、病院やパチンコ店、に限らず、介護施設などさまざまなレベルの個室の安全性が向上します。 次回は、それら技術の進化についてみていきましょう。

bookmark_borderUVをセンサで計測してみよう!⑦ ~外で実際に動作を確認してみよう ~実験編

なかなか実験の日程の調整ができず、実験日は2024/9/26(木)。夏?のぎりぎりになってしまいました。

作成したUVセンサを傘につけ実験

気象庁の計測値でみると、こんな感じです。

12時から20分ほど、会社近くの日産スタジアムに行くまでの見晴らしがよいところで実験しました。

ただ当日は晴れではあったのですが、太陽の周辺に雲がありまた風もあったのでなかなか同環境での実験ができませんでした。秋晴れ! という日にも実験してみたいですね。

気象庁での紫外線情報をリファレンスにオフセットをかける予定でしたが、実際に外にでて試しに測定してみたところセンサ値の紫外線情報にかなり差があり、今回はオフセットなしにして紫外線対策グッズでどうセンサ値が変わるかを確認したいと思います。

やっぱりリファレンスになるデバイスほしいですねー。

試した日傘(私物)はこの2つ

同環境での実験が難しかったので、試したのは2種の日傘だけになってしまいました。

①裏地が黒の日傘

②麻生地の日傘

麻生地のほうはデザインが気に入っておりましてかれこれ3年以上は使用しています。なので紫外線対策という面では効果が薄くなっている自覚はしています。。。デザインが好きなので買い替える予定はありませんが(^^)

では実験結果です。

実験結果

①裏地が黒で99.9%カットと保証がされていた日傘UVインデックス値の結果

②麻生地の日傘のUVインデックス値の結果

日傘(内)は、日傘(外)のUVインデックス値より大きく下がることが確認できました! しっかり紫外線防止効果があることが分かります。

また、お気に入りの麻生地の日傘も外に比べ約90%近く下がっているのは、個人的に大満足です。また快晴のときにまたいろいろなパターンで実験してみたいですね。

最後に、IoTの設計開発についてご相談したいことがございましたら、遠慮なくこちらのフォームにてお伝えください。

秋も紫外線はまだまだ強い日がありますから、日傘を使いつつ気を付けて過ごそうと思います。いつか、来年の夏の暑い晴れた日に実験再チャレンジしてご報告したいです! ではでは!

bookmark_borderUVをセンサで計測してみよう!⑥ ~外で実際に動作を確認してみよう ~準備編Ⅲ

組み立てたLeafonyをケースに入れよう

組み立てたLeafonyを目立たないようケースに入れて外で実験できるようにしたいと思います。ケースに入れなくても実験はできますが、都会は人の目も多いですし、持ち歩いて怪しまれないように。

って、よっぽどあやしいわ これ

さて、普段の業務だとケースというと”タカチケース”を購入して加工しているのですが、

 「今回はスピード重視で簡単に加工できる」

 「失敗してもすぐやり直せる」 をテーマに掲げて行います!

なぜって、いくら10月で30℃超えの気候とはいえ、ゆっくりしてると冬になってしまうので。

というわけで、何をするかは、ガジェット好きな皆様はもうお分かりですね。

私の大好きな100円ショップ ダイソー様で物色ですルンルン

ダイソーで発見した”便利ケース”

おなじみの収納ケースのエリア、衛生用品、キッチン用品…うろうろしたところ良さそうなものがありました!!

これです

お弁当を毎日作るお母さんお父さんの味方、マヨネーズケース!!

推しポイントは、3つ。

  • カッターで簡単に加工ができます。
  • サイズもスポっときれいには入りませんが少し押し込めば入りそうなところ。
  • しかも、蓋もあるのでここにUVセンサーを固定するのもできそう。

(この創造力を掻き立てるSPECが尊い…)

これに組み立てたLeafonyを入れて実験できるように少し加工していこうと思います!!
で、できあがったのがこちら!!

透明な蓋にセンサー用の穴をあけ、マスキングテープで固定にしました。

さらにさらに、傘にぶら下げるといったことができるように手持ちのチェーンをつけてみました。

え?「マスキングテープ、素敵に貼れませんか」ですって?

(想定よりうまく固定できなかったので試行錯誤しちゃったんですよね。。アハハ。。)

ままま、すごい手作り感満載ですが、これも味ですよアジ! <゜)))彡
準備は完了!! 実際に外で実験してきましょう!!

bookmark_borderUVをセンサで計測してみよう!⑤ ~外で実際に動作を確認してみよう ~準備編Ⅱ

ついにセンサー情報をBLEで飛ばし、無線化しますよ~

動作結果イメージ

今回は、こんな風にUVインデックスが出てくるようにしたいですね。

スマホアプリ画面

ハードウェア

使用するLeafonyのリーフが1枚、追加になります。

AC02 BLE Sugar

Al01 4-Sensors

AP01 AVR MCU

AZ01 USB

AV01 CR2032

AZ01 USBは、ソフトウェア書き込み時のみ使用し、動作時には外します。AV01 CR2032は前回同様、ねじ止めとして使用します。

leafの積み重ね方

重ね方は、こんな感じです。

ソフトウェア書き込み時ソフトウェア書き込み後
上から順に
29pin header, USB, AVR MCU, BLE Sugar, CR2032の順につなげてねじ止めします。
上から順に
29pin header, 4-Sensors, AVR MCU, BLE Sugar, CR2032の順につなげてねじ止めします。

書き込み時に4-Sensorsのリーフを抜いた理由としては付属のネジだと物理的に長さが足りなかったからです。なお、今回、センサーからのデータを取得するのに29pin headerのリーフを使用しました。

このAX018にした理由としては

  • 3.3V出力ピンがあること
  • ピンヘッダーがすでにあるので、リーフに追加で半田しないで使用できること

というメリットがあったからです。

もともとピンヘッダーが付属しているGrove&5Vのリーフを考えていて、高さも取らないし丁度いいかーと考えていたのですが、改めて仕様書みたとき”5V”出力じゃん”というのに気づきまして今回は3.3V出力ピンがあるAX018になりました…

さらにピンヘッダーがすでにあるので、リーフに追加で半田しないで使用できること。これは大きいです。同じく29pin のリーフだとAX02 29 pinもあるのですが、こちらはセンサからの線を直接半田することになるので、ほかのセンサーや実験に使用しづらくなるためAX018にしました。

ヘッダー分の高さを取らないのでいいのですが、ぶっちゃけきれいに半田を取る自信がなく。。。

リスクヘッジも実力よ..

ソフトウェア

前回、Leafonyを動かしてみようで使用したソフトウェアをベースに実装していきます。

まず、記事 # UVをセンサで計測してみよう ~センサを実際に動かしてみる~で実装したプログラムから蛍光ペンで示した箇所の処理をベースのプロジェクトに追加します。

Arduino側のプログラム動作手順概要:

(以下引用)  >

  1. 初期設定
    • PCとのHardwareSerial通信を開始
    • センサのイネーブルピンにHigh出力
    • 1secのタイマを開始
  2. タイムアウト時にセンサの出力ピンからアナログ値を取得
  3. 取得した値を電圧値に変換
  4. 電圧値からUVインデックス値に変換してシリアルで表示

追加した箇所は、こうなります。

変更箇所➡変更後
センサのイネーブルピンにHigh出力setupPort() 関数内に追加
・センサの出力ピンからアナログ値を取得
・取得した値を電圧値に変換
・電圧値からUVインデックス値に変換
loopSensor() 関数内に追加

これで定期的にUVインデックス値を求めることができるようになりました。(注) 基本的には上記の処理をベースのプロジェクトに追加すればよいのですが、以下の点は修正が必要です。

また、以下の設定変更も必要です。

  • アナログ値を電圧値に変換する際のリファレンス電圧を5Vから3.3Vにする
  • センサーとの接続ピンをベースのプログラムで使用していないピンに変更する
ピン変更箇所➡ピン変更後
センサ値の入力ピン      A0  A3
センサへのイネーブル出力ピン D7  D5

UVインデックスの定期無線送信設定

最後に定期的に取得したUVインデックスを無線で送信できるようにします。

ベースのソースコードを読むとbt_sensData() 関数内において無線で送信するデータを設定しているようです。そこで、そのうちもともと照度データを設定している箇所をUVインデックス値に差し替えします。

合わせて小数点以下の値も表示したいのでdstorfの引数の値も変更します。

これでソフトウェアの実装は完了です。

今までに作成したコードのコピペと少ない修正で無線化のプログラムができました!! 

動作結果

UVをセンサで計測してみよう ~センサを実際に動かしてみる~のときと同じようにUV LEDネイルライトで実験してみました。動作するかな。。。

スマホアプリ画面

照度の欄にUVインデックス値が表示されていますね!!

無事無線化できました!!

次は組み立てたLeafonyを手ごろなケースに入れたいと思います! ケースに入れればこれで準備編も終了です!実計測までもう少しです!!

bookmark_borderUVをセンサで計測してみよう!④ ~外で実際に動作を確認してみよう ~準備編Ⅰ~

こんにちは。あたふた仕事に追われていたら、10月になっていました💦
相変わらず外は30℃超える日もあってアチチ。。秋っぽい高い青空が待ち遠しい~

## センサ値を無線で飛ばそう

さて、前回は、PCでセンサ値を表示することができましたが、実際に外で実験する場合、PCを持ち歩かないといけないというのは大変なので無線化して、スマートフォンで確認できるようにしたい!と申しておりました。 (PC持ち歩いてしたら不審な行動に見られそうですし。。)

それを今回やります! ↓前回の記事はこちらから。

無線化するにあたっていろいろな方法がありますが、今回はArduinoと互換性がある”Leafony”を使用してBLEでセンサ値を飛ばしてスマートフォンに表示したいと思います。

Leafonyを選択した理由としては、前回でArduinoを使用してUVインデックスを求めた時のコードをそのまま使用できる点で便利!!という点と、基板サイズが一円玉サイズと小さいので外で実験したとき怪しまれづらいかなーという思いで。(^^)

Leafonyの一円玉との比較

## Leafonyを動かしてみよう

Leafonyが動作することをまず確認してみようと思います。

Leafonyの公式HPにあるクイックスタートの”BLEで環境センシング”を試してみます。

Basic Kit スタートガイド | Leafony

## ハードウェア

今回使用するリーフはこれら5つです。AV01はleafを重ねて”ねじ止め”するだけに使い、電源はAZ01 USBから供給します。

AC02 BLE Sugar

Al01 4-Sensors

AP01 AVR MCU

AZ01 USB

AV01 CR2032

上から順に ①4-Sensors, ②USB, ③AVR MCU, ④BLE Sugar, ⑤CR2032の順につなげてねじ止めします。

## ソフトウェア

Sample-Sketches/4-Sensors_BLE at master · Leafony/Sample-Sketches · GitHub

を使用。

但し、使用したライブラリがこのサンプルのバージョンとあっていないか、違うライブラリを使用したのか以下の点をサンプルから変更しました。

変更前➡ 変更後
#include <HTS221.h>#include <Arduino_HTS221.h>
#include <ST7032.h>#include <LCD_ST7032.h>
ST7032 lcd;LCD_ST7032 lcd;
lcd.begin(8, 2);   lcd.begin();
lcd.setContrast(30); lcd.setcontrast(30);
smeHumidity.begin();HTS.begin();
dataTemp = (float)smeHumidity.readTemperature(); dataTemp = (float)HTS.readTemperature();
dataHumid = (float)smeHumidity.readHumidity(); dataHumid = (float)HTS.readHumidity();

## 動作結果

Andoridスマホのブラウザからセンサ値がきちんと表示されました!

Leafonyが正常に動作することを確認できましたので、次はとうとう今回の本題、UVインデックスの値を無線で飛ばして確認できるようにしたいと思います!

bookmark_borderUVをセンサで計測してみよう!③ ~センサを実際に動かしてみる

では、さっそくセンサを動かしてみましょう!

## ハードウェア

  • ML8511使用紫外線センサーモジュール(ML8511)

ML8511使用紫外線センサーモジュール: オプトエレクトロニクス 秋月電子通商-電子部品・ネット通販 (akizukidenshi.com)

久しぶりの半田付けで少しドキドキしました(苦笑)

余裕のフリ…

感覚忘れないように定期的にしないとダメですね。頑張ります!

  • Arduino Leonardo

こちらは、以前のテーマ↓で使用したデバイスを流用しています。

  • USBケーブル(Micro USB Type-B 2.0)
  • Windows 11 PC 

そして、手軽に紫外線を照射する装置も必要です。

  • UV LED ネイルライト

これは、センサが紫外線に反応することを確認するために使用しました! 確認のために窓際や外に行くのも面倒なので、手元で確認できるものないかなーと探してみたところ、3COINSで発見!! 

私も大好きなぷっくりツヤっとしたジェルネイルを硬化させるために爪に当てて使用するものです。これで税別300円とは今回使用するセンサよりもさらにリーズナブルです!

3COINSさん流石ですね。。

UVLEDネイルライト/and us | 3COINS(スリーコインズ)レディース | PAL CLOSET(パルクローゼット) – パルグループ公式ファッション通販サイト

## ハードウェア接続

以下の図のように実際に接続しました。

以上でプログラム実装前の前準備が完了です。

## プログラム実装

今回使用するセンサからはUV光強度に比例したアナログ電圧が出力されます。

なので、定期的にアナログ値を取得して電圧値に変化する処理を実装すればセンサの値は取得できそうですね。ただ電圧値だけでは紫外線が強いのかわかりづらいので、電圧値からUVインデックスを求めてPCに表示するプログラムを実装したいと思います。

計算方法ですが、アプリケーションノートML8511_UV.pdf (sparkfun.com)

に詳細に記載されていましたので、この方法で求めていきたいと思います。

Arduino側のプログラム動作手順概要:

  1. 初期設定
    • PCとのHardwareSerial通信を開始
    • センサのイネーブルピンにHigh出力
    • 1secのタイマを開始
  2. タイムアウト時にセンサの出力ピンからアナログ値を取得
  3. 取得した値を電圧値に変換
  4. 電圧値からUVインデックス値に変換してシリアルで表示

Arduinoのツールに”Serial Plotter”というものがあり、シリアル出力した値をグラフ化してくれます。

簡単に状態変化をリアルタイムで確認できるので、かなり便利でした。

## センサ動作結果

UVライトのON/OFFとUVセンサのリアルタイムの状態変化が分かるSerial Plotterのグラフを一緒に動画にしてみました。

ML8511によるUVLEDネイルライトの紫外線計測結果をSerial Plotterのグラフ表示

動画8秒あたりから、UVライトONするとすぐセンサは反応してくれています!! 👏

UVを照射するとUVインデックス約2.5~3のあたり、弱い➡中程度のあたりでグラフ表示されますね。

今回より出力が高いUV LEDネイルライトだと数値が変わるのか興味があります。今回は室内というのもあり補正をしてないのですが、アプリケーションノートによると環境によってUVインデックスからの補正が必要なようで、条件によって誤差がありそうです。

よくよく調べてみるとSerial Plotterのグラフは複数データの表示もできるようです。ただY軸の範囲は自動で変更されるようなので、値の範囲が異なる数字を表示するときは注意が必要そうです。

おっと、UVインデックスのリファレンスとなるデバイスを用意していないです。あーリファレンスをどうしよう。。。

あ!そうだ気象庁情報です!!

気象庁で紫外線情報(分布図)を出しているのです。ピンポイントではありませんが、実験している場所付近の値をリファレンスにすればある程度は使えそうに思います!

気象庁| 紫外線情報(分布図) (jma.go.jp)

ちなみに気象庁紫外線情報のUVインデックスは11+が最高ではなく、さらに12や13+があるのですが、日本でしばしば12や13といった値が観測されるため、気象庁では実情に合わせて13+まで表示するそうです。恐るべし日本の夏!

さて、センサが動くことは確認できたので、次は外で実験する前にUVインデックスを無線で飛ばして確認できるように改造したいと思います!

外出先でPC+Arduinoを常に一緒に持ち歩いて計測するのも大変なので(トホホ)

それではまた!

bookmark_borderUVをセンサで計測してみよう!②~UVセンサとは?

今日も猛暑日予想です💦

こんにちは。UV計測ガジェットを作るシリーズの2回目です。

紫外線を計測できるお手頃なモジュールはいろいろありますが、今回は

ML8511使用紫外線センサーモジュール: オプトエレクトロニクス 秋月電子通商-電子部品・ネット通販 (akizukidenshi.com)
このセンサーモジュールを使用します。約10mm角のコンパクトでとっても使いやすそうな形状です。

## ML8511のセンサ特性

このML8511はUV-AおよびUV-Bに対する光センサで、センサ値はアナログ値で出力されます。

280nm-400nmの紫外線領域をしっかり計測してくれます(スペック表より)

## UV-A,UV-Bの定義

ちなみに、前回の記事でお肌に影響のある紫外線の波長にはUV-AとUV-Bの2種類あると触れましたが、定義がいくつかあるようで、気象庁ではこういう分け方をしています。

  • UV-B 280-315nm(ナノメートル)
  • UV-A 315-400nm

ちなみにML8511はUV-AとUV-B両方が合わさった値が出力されます。せっかくなのでそれぞれの値も知りたかったところですが、まあ今回はUV対策グッズの効果をみるのが目的ですので全く問題ないですので、このセンサで評価していこうと思いますm(__)m

## UV対策グッズの効果の評価指標

ML8511が計測したセンサ値をわかりやすく表示するために指標があると便利ですね。WHOが提示した紫外線の人体への影響度合いに関する指標として”UVインデックス”というものがありますので、センサ値からこのUVインデックスを求めて、UV対策グッズを使用した場合どう表示が変わるのか確認する装置を作っていきましょう。

ML8511から出力されるセンサ値は電圧値が出力されるので、電圧値からこのUVインデックスを求めることになるのですが、今回のテーマはここの作り方に気を付ける必要がありそうです。

### UVインデックス (環境省紫外線環境保健マニュアル)

(引用) UVインデックスとは、日常生活で使いやすい数値(影響度合いの一つの目安)とするため、地上に達する紫外線の波長毎の強さと、人体への影響度(紅斑作用スペクトル)を掛け合わせた数値を、使いやすい数値(0~11+)に指標化したものです。(引用ここまで)

WHOの基準を基に、UVインデックスに応じた対策が定義されていますが、12段階あるインデックス値を、環境省はさらにシンプルに5段階に分け対策指標化していますね。

次回は、実際にセンサーを使ってUV計測を行います!