Elektronik hilft Raspberry Pi im Einsatz für Mensch und Natur

Anbieter zum Thema

Bürklin GmbH & Co. KG

MES Electronic Connect GmbH & Co. KG

ISH Ingenieursozietät GmbH

Raspberry Pi ist prädestiniert für das Prototyping. Der Beitrag zeigt Beispiele, wie die Mini-PC-Platine für Elektronik-hilft-Projekte eingesetzt werden kann.

Die Mini-PC-Platine Raspberry Pi ist bei Makern und Entwicklern gleichermaßen beliebt: Raspberry Pi ist preiswert, leistungsstark und bietet zahlreiche Anschlüsse, inklusive GPIO-Header. Zudem sind seit dem Raspberry Pi 3 B+ Modelle mit Wireless-Funktion als ein Funkmodul gemäß den FCC-Regeln (Federal Communications Commission) zertifiziert – eine erhebliche Zeit- und Kostenersparnis bei der Entwicklung von Produkten mit Raspberry Pi.

Fußdrucksensoren erkennen Parkinson-Erkrankung

Parkinson ist eine Erkrankung des Nervensystems und äußert sich etwa durch Zittern und Bewegungsstörungen. Ein Symptom ist ein abnormaler Gang, der von seinem üblichen Muster abweicht. Üblicherweise müssen Parkinson-Erkrankte für die Gangdiagnose ins Krankenhaus und dort Tests auf großen, drucksensiblen Laufmatten durchführen. Denn obgleich die Krankheit derzeit noch nicht heilbar ist, können Medikamente und Physiotherapie bei frühzeitiger Erkennung die Lebensqualität der Betroffenen erheblich verbessern.

Bildergalerie

Bildergalerie mit 5 Bildern

Ein Team der Nationalen Yang Ming Chiao Tung Universität hat jetzt eine mobile Methode der Gangermittlung entwickelt, die Testpersonen maximale Flexibilität ermöglicht. Basis des Projekts ist eine Einlegesohle für Schuhe mit acht über die ganze Sohle verteilten Flexicore-Sensoren, die beim Gehen den Druck auf den gesamten Fuß des Nutzers messen. Die Daten der Sensoren werden via Kabel an die Hardware gesendet, die mit Hilfe eines Gurts um das Knie des Benutzers geschnallt wurde. Die Hardware besteht aus dem Duo Raspberry Pi, der die Echtzeitdaten verarbeitet und den Gang des Nutzers auswertet, sowie dem Evaluierungsboard Himax WE-I Plus EVB, das unter anderem eine Vibrationserkennung bietet. Über eine App können Nutzer die Ergebnisse abfragen.

Um aussagekräftige Resultate zu erhalten, nutzte das Entwicklungsteam eine kostenfreie Online-Datenbank, in der Fußdruckdaten sowohl von Parkinson-Patienten als auch von Menschen ohne Parkinson, die einen typischen Gang haben, gesammelt werden. Auf dieser Grundlage trainierten sie ihr eigenes maschinelles Lernmodell, das vorhersagt, ob der Gang eines Benutzers auf die Parkinson-Krankheit hinweisen könnte.

30-Sekunden-Blutanalyse mit Raspberry Pi

In abgelegenen Gegenden Indien ist eine Gesundheitsversorgung nur schwer realisierbar. Um die Situation zu verbessern, haben die Forschenden Sangeeta Palekar und Jayu Kalambe des Bereichs Elektroniktechnik am Shri Ramdeobaba College of Engineering and Management ein tragbares, erschwingliches Blutanalysegerät basierend auf einem Raspberry Pi 4 B entwickelt, das Proben in nur 30 Sekunden testen kann. Dazu misst das Gerät die Lichtabsorption in einer Blutprobe, eine übliche Art der Analyse.

Mit Hilfe des Raspberry Pis werden dann die Absorptionsdaten analysiert. Dabei stellte sich, so die Forschenden, heraus, dass diese Art der Blutanalyse genau so gut funktioniere wie teuere Bluttests, durchgeführt in Laboren. Der Vorteil des mobilen Blutanalysegeräts: Blutproben werden an Ort und Stelle verarbeitet; man braucht nur eine Stromquelle. Die Patienten erhalten ihre Ergebnisse sofort, und die empfindlichen Proben müssen nicht durch ländliches Gebiet transportiert werden.

FluSense nimmt COVID-19 mit Raspberry Pi in Angriff

Forscher an der UMass Amherst haben FluSense entwickelt, ein Gerät in der Größe eines Wörterbuchs, das aus einem preiswerten Mikrofonarray, einem Wärmesensor, Intels Movidius 2 Neural Computing Engine und einem Raspberry Pi besteht. FluSense überwacht die Geräusche von Menschenmengen, um den Ausbruch viraler Atemwegserkrankungen wie der saisonalen Grippe, aber auch Änderungen der COVID-19-Pandemie vorherzusagen. FluSense funktioniert folgendermaßen: Das Gerät unterscheidet Husten von anderen Geräuschen.

Werden nun die Hustendaten mit Informationen über die Größe der Menschenmenge an einem Ort kombiniert, lässt sich ein Index erstellen, der vorhersagt, wie viele Menschen wahrscheinlich an Grippesymptomen leiden werden. Ein Großteil der Verarbeitungsarbeit erfolgt lokal über die neuronale Recheneinheit und den Raspberry Pi. Lediglich die Symptomdaten werden drahtlos an ein Labor gesendet, um sie dort zusammenzuführen. Bedenken hinsichtlich des Datenschutzes werden durch eine starke Verschlüsselung entschärft, zudem betonen die Forschenden, dass der Schwerpunkt auf der Sammlung von Daten und nicht auf der Identifizierung von Krankheiten einzelner Personen liegt.

Algenrettung durch Maschinelles Lernen

Wie viele Lebewesen sind auch Algen vom Klimawandel bedroht. Klimastressfaktoren wie warme Temperaturen oder wenig Sonnenlicht begünstigen das Wachstum schädlicher Bakterien. Innerhalb weniger Tage können ganze Algenfarmen durch unkontrolliertes Bakterienwachstum dezimiert werden. Charlene Xia, Doktorandin am MIT, entwickelte mit Kollegen ein kostengünstiges System zur Überwachung des Mikrobioms von Algenfarmen zur frühzeitigen Erkennung von Krankheiten.

Mit einem tauchfähigen digitalen holografischen Mikroskop nehmen sie ein 2D-Bild auf. Anschließend setzen sie ein maschinelles Lernsystem, ein so genanntes neuronales Netz, ein, um das 2D-Bild in eine Darstellung des Mikrobioms in der 3D-Umgebung umzuwandeln. Die Software lief auf einem Raspberry Pi, der an das holografische Mikroskop angeschlossen wurde. Durch die Kombination kostengünstiger Kommunikationsgeräte mit mikroskopischen Bildern und Maschinellem Lernen hofft Xia, ein kostengünstiges Echtzeit-Überwachungssystem zu entwickeln, das sich auf ganze Algenfarmen ausdehnen lässt.

Singleboard-Computer

Raspberry Pi informiert Industriekunden: Lieferengpässe, Modellreduktion und Preiserhöhung

(ID:47797407)