描述

介紹

如今，我們的生活中有很多破壞性因素，尤其是在學習或工作時，尤其是需要高度集中注意力的時候。在這些認知要求很高的過程中，一個人很難客觀地識別這些因素并將它們排除在他的環(huán)境之外。一旦我們意識到自己的壞習慣，改掉它們就容易多了，從而使我們的學習更有效率。

故事板

?

解決方案

我們的解決方案使用一種算法來識別您學習期間的干擾性聲音。它專門搜索通知、語音和其他所有可能在您的環(huán)境中造成干擾的噪音的聲音。在您的會話結束時，我們的系統(tǒng)會通知檢測到的模式。根據收到的信息，您可以在下次會議中改正這些不良習慣。

描述

該系統(tǒng)由一個 Arduino Nano 33 BLE Sense 和一個 Android 應用程序組成。首先，用戶使用我們的 Android 應用程序啟動監(jiān)控。當會話開始時，應用程序通過 BLE 收集有關會話的數據。更重要的是，當用戶環(huán)境中有干擾性聲音時，Arduino 板 LED 會改變顏色，從而實時警告他干擾因素。最后，當用戶結束會話（使用應用程序）時，應用程序會顯示它的統(tǒng)計信息。

硬件和連接

對于這個項目，我們決定使用 Arduino Nano 33 BLE Sense。為了連接到我們的 Android 應用程序，我們使用了板 BLE 支持。對于聲音監(jiān)聽，我們使用了內置麥克風 MP34DT05。

機器學習

我們的機器學習模型具有三個不同的類別：有效、通知和語音。我們整個模型的準確率約為 94%。

?

軟件

android應用程序是用java編寫的。我們使用 Android 的 BLE 支持來接收 Arduino 板傳輸的數據。對于統(tǒng)計餅圖，使用 liprary MPAndroidChart。當用戶打開應用程序時，它會通過搜索其 BLE 名稱自動連接到 Arduino 板。

?

?

?

?

1 / 4

?

演示

?

?

下一步是什么？

我們相信我們的原型代表了一個很好的起點，可以發(fā)展我們的解決方案并創(chuàng)建一個更先進和用戶友好的系統(tǒng)。未來，我們將進行以下改進：

• 擴展 ML 模型以檢測更廣泛的破壞性噪聲
• 在我們的應用程序中實現會話歷史的查看以及一些高級統(tǒng)計信息
• 實現更好的用戶體驗