FSR-Based Smart System for Detection of Wheelchair Sitting Postures Using Machine Learning Algorithms and Techniques
Notice bibliographique
Résumé
This paper presents an intelligent system containing FSR-based posture detection using machine learning algorithms. This paper is aimed at detecting the sitting posture of a wheelchair user. Individuals using wheelchairs are at increased risk of pressure ulcers when they hold an incorrect position for too long because the blood supply desists at some points of their skin due to increased pressure. The main objective of this research is to find a better configuration combined with the best machine learning algorithm for the detection of posture to prevent pressure ulcers. In the proposed monitoring system, two configurations consisting of a 3 × 3 matrix configuration (9 sensors) and a crossconfiguration (5 sensors) of FSR sensors are embedded on a wheelchair seat to get pressure data generated and collected in a real-time processing unit and then compared. The posture recognition is performed for five sitting positions: ideal, backward-leaning, forward-leaning, right-leaning, and left-leaning based on five machine learning algorithms: K -nearest neighbors ( K -NN), logistic regression (LR), decision tree (DT), support vector machines (SVM), and LightGBM. The research study provides a system to detect a real-time pressure sitting posture on a processing unit (laptop) wirelessly using the ESP32 module. Consequently, a posture classification accuracy of up to 95.41% is accomplished using a 3 × 3 matrix configuration. The proposed system helps prevent pressure ulcers and is valuable in risk assessment related to pressure ulcers. This system describes the relationship between accuracy, different sensor configurations, and performance of the multiple machine learning algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».