Projekt ASB LAB 2023

Jan Bylicki 145441 Patryk Kościk 144635

Motywacja projektu

Projekt ma na celu wykyrywanie oraz alertowanie stacji bazowej o upadkach osób starszych.

Wykorzystane zostały następujące technologie:

• Zephyr RTOS: Najpopularniejszy RTOS obecnie na rynku

• TensorflowLite Micro: Minimalna implementacja TF pozwalajaca uruchamiać modele na systemach wbudowanych

• Bluetooth Low Energy: Atrybuty GATT umożliwiają nisko-prądową, asynchroniczną komunikację z peryferiami

• Renode: Deterministyczne testowanie aplikacji systemu wbudowanego

• Python: Cross-platform język wysokiego poziomu, wykorzystuje bibliotekę BLEAK do komunikacji z urządzeniami BLE

• GIT: Kontrola wersji w zespole

• Wytrenowanie sieci zajeło około godzine, 45 minut na zebranie datasetu, reszta czasu była spędzona na faktycznym trenowaniu modelu.

• Mieliśmy duże problemy z uruchomieniem wbudowanego w Arduino NANO 33BLE akcelerometru, oraz CDC 30 godzin. ** CDC: Modyfikacja DeviceTree oraz PRJ.conf ** Akcelerometr: Modyfikacja DeviceTree oraz PRJ.conf

• Konfiguracja BLE zajeła bardzo dużo czasu oraz objętości kodu. Łącznie poswięcono na ten temat około 10 godzin. ** Nauka BLE ** Projekt serwisu oraz charaktersytyk ** Implementacja kodu do istniejącego codebase ** Napisanie aplikacji sieciowej

Łączny poswięcony czas na projekt: około 40-45 godzin

Projekt spełnia wszystkie wymagania projektowe (funcjonalne oraz pozafunkcjonalne).

Aplikacja kliencka:

Wymagania: python3, bleak pip3 install bleak python3 host/discovery.

Aplikacja Zephyrowa:

pip3 install tensorflow tflite Wymagania: Zephyr >= 3.1, Zephyr-SDK, tensorflow Kompilacja:

• Umieścić folder z repozytorium w głównym katalogu Zephyra
• west build -b arduino_nano_33_ble --pristine
• west -v flash --bossac=./bossac/bossac

Bossac zamieszczony w repozytorium został skompilowany z forka arduino tak, aby obsłużyć bootloader zamieszczony na płytce.

Struktura projektu

.
├── app.overlay
├── bossac
│   └── bossac        # Arduino bootloader flasher
├── CMakeLists.txt
├── deploy_ble.sh     # Deploy script
├── prj.conf          # Zephyr prj config
├── README.md
├── renode            # Renode simulation infra
│   └── machine.resc
├── host              # Desktop/RPI application 
│   └── discovery.py 
├── src
│   ├── accelerometer_handler.cpp
│   ├── accelerometer_handler.hpp
│   ├── assert.cpp
│   ├── constants.hpp
│   ├── gatt_write_common.c           # Common files for GATT char. support
│   ├── gatt_write_common.h
│   ├── magic_wand_model_data.cpp     # TF Lite Model data
│   ├── magic_wand_model_data.hpp
│   ├── main.cpp                      # Main loops calls
│   ├── main_functions.cpp            # Main loops definitions
│   ├── main_functions.hpp
│   ├── peripheral_gatt_write.c       # GATT communication logic
│   └── peripheral_gatt_write.h
└── train                             # Follow README.md to recreate training (dataset is already provided)
    ├── data
    ├── data_augmentation.py
    ├── data_augmentation_test.py
    ├── data_load.py
    ├── data_load_test.py
    ├── data_prepare.py
    ├── data_prepare_test.py
    ├── data_split_person.py
    ├── data_split_person_test.py
    ├── data_split.py
    ├── data_split_test.py
    ├── model_quantized.tflite
    ├── model.tflite
    ├── negative
    ├── README.md
    ├── train_magic_wand_model.ipynb
    ├── train.py
    ├── train_test.py
    └── wing