藍芽感測器貼片之智能監控應用研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：61

、訪客IP：18.119.112.165

姓名

陳宜君(Yi-Jiun Chen) 查詢紙本館藏

畢業系所

光電科學與工程學系

論文名稱

藍芽感測器貼片之智能監控應用研究
(Bluetooth Sensor of Intelligent Monitoring Applied Research)

相關論文

★ 腦電波傅利葉特徵頻譜之研究	★ 光電星雲生物晶片之製作
★ 電場控制器光學應用	★ 手機照相鏡頭設計
★ 氣功靜坐法對於人體生理現象影響之研究	★ 針刺及止痛在大鼠模型的痛覺量測系統
★ 新光學三角量測系統與應用	★ 離軸式光學變焦設計
★ 腦電波量測與應用	★ Fresnel lens應用之量測
★ 線型光學式三角量測系統與應用	★ 非接觸式電場感應系統
★ 應用田口法開發LED燈具設計	★ 巴金森氏症雷射線三角量測系統
★ 以Sol-Gel法製備高濃度TiO2用於染料敏化太陽能電池光電極之特性研究	★ 生產線上之影像量測系統

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

藍芽是當今社會很常見的一種無線高頻通訊技術，可以在有限範圍內在不
同裝置間傳輸資料。本研究利用藍芽的低功耗特性，結合溫濕度與空氣品質感
測器，分別做成一塊輕薄短小的軟性與硬性電路板(本論文稱此為藍芽貼片)，
其中可以得到藍芽訊號強度、溫度、濕度、等效二氧化碳(eCO2)與總揮發性有
機化合物(TVOC)這些數據。透過藍芽傳輸至接收端，可達到即時監控與後台數
據分析的功用。
本研究取 6 片藍芽貼片貼於建築物之室內空間。在密閉空間裡，人的存在
必然會影響到環境中的空氣品質、溫度、濕度等環境因子。因此本研究使用的
藍芽貼片可以蒐集上述的環境因子所產生的數據，再使用 Google 的開源 API–
Teachable Machine 將取得的數據做為訓練依據，來試驗學習的結果是否能與
室內密閉空間的人數有顯著的關係，並且能從藍芽訊號的強度與感測器數據判
別出室內空間的人數與人分佈位置。實驗結果顯示成功率達 90%以上。
此研究的價值是採用去身分識別化的分析方法，去分析欲得知的內容。所
謂的去身分識別化就是使用不會涉及到身分隱私的分析方法。本實驗的分析的
數據都是由環境產生、感測器取得，並未使用相機儀器，不會產生侵犯到個人
肖像權、隱私權的問題。

摘要(英)

Bluetooth is a very common technology nowadays. It can exchanging data be
tween fixed and mobile devices over short distances. This research used the low
power consumption characteristics of Bluetooth, combined with temperature and hu
midity and air quality sensors, become a thin, light and flexible circuit board, which
can get Bluetooth Signal strength, temperature, humidity, eCO2 and TVOC data.
Through Bluetooth transmission to the receiving device, it can achieve the functions
of real-time monitoring and data analysis.
In this case, a number of Bluetooth sensor were attached to the indoor space. In a
confined space, people will inevitably affect environmental factors such as air quality,
temperature, and humidity in the environment. Therefore, the Bluetooth sensor used
in this study can collect the data generated by these environmental factors, and then
use Google′s public source API-Teachable Machine as the training basis to test
whether the learning results can be combined with the indoor confined space. We will
find that there is a significant relationship between the number of people, and the
number of people in the indoor space and the distribution position of the people can
be discriminated from the strength of the Bluetooth signal and the sensor data.
The value of this research is to use de-identified analysis methods. Because the
data we used all get by sensors, no lens instruments are used, there will be no problem
of infringing on the rights of personal portraits and privacy.

關鍵字(中)

★ 智能監控
★ 去識別化
★ 機器學習
★ 藍芽通訊
★ 溫濕度感測器

關鍵字(英)

論文目次

目錄
中文摘要......................................................................................................................... i
ABSTRACT ................................................................................................................... ii
誌謝.............................................................................................................................. iii
目錄............................................................................................................................... iv
圖目錄........................................................................................................................... vi
表目錄........................................................................................................................... ix
一、緒論...................................................................................................................... 1
1-1 研究背景........................................................................................................ 1
1-2 研究動機........................................................................................................ 1
1-3 研究目的........................................................................................................ 2
1-4 研究貢獻........................................................................................................ 2
1-5 論文架構........................................................................................................ 3
二、研究原理與方法 ................................................................................................. 4
2-1 研究內容........................................................................................................ 4
2-2 研究理論........................................................................................................ 5
2-2-1 迴歸分析............................................................................................ 5
2-2-2 機器學習概論.................................................................................... 6
2-3 研究設備........................................................................................................ 8
2-3-1 藍芽低功耗無線模組........................................................................ 8
2-3-2 SHT21 溫度感測器 ......................................................................... 11

v

2-3-3 CCS811 氣體感測器 ....................................................................... 15
2-3-4 分析軟體(Teachable Machine) ........................................................ 19
三、實驗流程............................................................................................................ 22
3-1 實驗架構...................................................................................................... 22
3-2 軟硬體介紹.................................................................................................. 23
3-2-1 電路設計.......................................................................................... 23
3-2-2 電路 LAYOUT ................................................................................ 23
3-2-3 硬板.................................................................................................. 24
3-2-4 軟板.................................................................................................. 25
3-2-5 MATLAB ......................................................................................... 28
3-3 實驗分析步驟.............................................................................................. 30
3-4 實驗分析與結果.......................................................................................... 31
3-4-1 藍芽訊號與距離的關係實驗.......................................................... 31
3-4-2 偵測人物實驗.................................................................................. 37
3-4-3 定位實驗.......................................................................................... 44
3-4-4 人數辨識實驗.................................................................................. 52
3-5 實驗結論...................................................................................................... 55
四、研究結論與未來展望 ....................................................................................... 56
4-1 研究結論...................................................................................................... 56
4-2 未來展望...................................................................................................... 57
參考文獻...................................................................................................................... 58

參考文獻

參考文獻
[1]. 劉景浩，「類神經網路暨圖形辨識之腦波判讀系統」，國立中央大學，碩士論
文，民國 107 年。
[2]. 吳柏翰，「加速度感測系統應用於衝床模具損耗之研究」，國立中央大學，碩士
論文，民國 108 年。
[3]. 蕭文龍，多變量分析最佳入門實用書，第 8 章 : 迴歸分析，2009/06/06。
[4]. 網路資料 online resources : 每天一點數據分析——迴歸分析。2017 年 04 月 05
日，取自 : https://kknews.cc/education/6n6685m.html。
[5]. 網路資料 online resources : 翻轉人類未來的 AI 科技：機器學習與深度學習。
2017 年 10 月 05 日，取自 : http://technews.tw/2017/10/05/ai-machine-learning-and
deep-learning/。
[6]. 網路資料 online resources : CC2650MODA Bluetooth® low energy RF module，作
者：Erling Simensen。取自 : http://edu.21dianyuan.com/index/course_info/cid/464。
[7]. 網路資料 online resources：deeplearn，取自 : https://www.npmjs.com/pack
age/deeplearn。
[8]. Clive Granger, (1981) "Some Properties of Time Series Data and Their Use in Econo
metric Model Specification",Journal of Econometrics 16: 121-130.
[9]. Allan Alves Pinheiro, Iago Modesto Brandao and Cesar da Costa,” Vibration Analysis of
Rotary Machines Using Machine Learning Techniques”, EJERS, European Journal of
Engineering Research and Science Vol. 4, No. 2, February 2019.
[10]. Forrest N. Iandola , Song Han , Matthew W. Moskewicz , Khalid Ashraf , William J.
Dally , Kurt Keutzer,(2017) "SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH
50X FEWER PARAMETERS AND < 0.5MB MODEL SIZE ".

指導教授

張榮森

審核日期

2020-7-20

推文