Kalau nak buat Final Year Project (FYP) untuk Elderly Care Robot, kita kena rancang dari awal supaya projek ini praktikal, berfungsi, dan boleh dibentangkan dengan jelas.
Saya pecahkan kepada 7 langkah utama:
1️⃣ Tentukan Objektif Projek
- Masalah yang nak diselesaikan: Contoh — warga emas perlukan bantuan untuk mengingatkan ubat, memantau kesihatan, atau memanggil bantuan kecemasan.
- Fokus utama robot:
- Pengingat ubat (Medication reminder)
- Pemantau pergerakan / jatuh (Fall detection)
- Kawalan suara untuk berinteraksi
- Video call dengan keluarga atau penjaga
2️⃣ Pilih Platform Robot
- Jenis robot:
- Mobile robot (boleh bergerak ke bilik pengguna) – guna chassis dengan roda + motor.
- Stationary assistant (tak bergerak, tapi boleh bercakap, tunjuk maklumat, dan sensor kesihatan).
- Contoh hardware asas:
- Mikropengawal: Raspberry Pi (lebih kuat untuk AI) atau ESP32 (murah & ada Wi-Fi/Bluetooth).
- Motor & roda: DC motor + motor driver (L298N/L293D).
- Sensor:
- PIR sensor (kesan pergerakan)
- Ultrasonic sensor (elak halangan)
- MPU6050 (kesan jatuh/tilt)
- Pulse sensor (denyutan jantung)
3️⃣ Fungsi Pintar (Smart Features)
- Kawalan suara: Integrasi dengan Google Speech API atau offline voice recognition (Snowboy, Vosk).
- Pengingat ubat: Guna RTC (Real Time Clock) untuk trigger buzzer/voice alert.
- Pengesanan jatuh: MPU6050 + AI model untuk kenal pasti pergerakan abnormal.
- Panggilan kecemasan: Hantar mesej/WhatsApp API atau call penjaga.
4️⃣ Reka Bentuk Litar
- Contoh asas:
- ESP32/Raspberry Pi sebagai otak utama.
- Sambung kepada motor driver + motor.
- Sensor jatuh & PIR sambung pada input pin.
- Buzzer/speaker untuk pengingat suara.
- Modul kamera USB atau Pi Camera untuk video call.
5️⃣ Bahagian Mekanikal
- Gunakan acrylic frame atau 3D print casing.
- Jika mobile, pastikan:
- Ada caster wheel untuk kestabilan.
- Roda besar jika guna di lantai karpet.
6️⃣ Perisian
- Bahasa pengaturcaraan: Python (jika Raspberry Pi) atau Arduino C++ (jika ESP32).
- Integrasi IoT: Platform seperti Blynk, MQTT, atau Firebase untuk sambung ke telefon.
- AI ringan:
- OpenCV untuk pengecaman wajah (facial recognition).
- TensorFlow Lite untuk pengesanan jatuh.
7️⃣ Dokumentasi & Persembahan
- Lukis blok diagram dan litar.
- Buat flowchart fungsi.
- Sediakan video demo menunjukkan robot membantu warga emas.
- Catat kos, masa pembangunan, dan cabaran.
💡
No comments:
Post a Comment