基于机器学习的防盗防丢智能口袋设计

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于机器学习的防盗防丢智能口袋设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

针对日常生活中的偷盗行为如何防治，采用无线通信设备的腕式传感器和主体科拆卸智能口袋进行了巧妙的Y合。运用不同模块信息采集以及综合分析方式，获得口袋内物品突然丢失的报警功能实现。其目的是为了公民的财产获得安全保护的同时，让产品具有一定的市场开发价值。

【关键词】防盗 智能口袋 机器学习

通过多传感器数据信息采集以及分析，运用无线通信传输系统进行报警功能的实时连接，获得用户交互系统以及信息存储系统的辅助，进而实现其物品安全防范的功能。

1 设计的意义

1.1 探测灵敏度高

防盗系统的核心是探测器，针对目前很多产品不能获得灵敏预报的问题。选择多传感器装置进行多角度的物品数据信息的检测，并进行监督式的机器学习算法的建立，进而解决传统产品探测灵敏度不高的问题。

1.2 报警直观度优良

市面很多产品的报警器设计存在不合理的问题，待机和检测的时间偏低。因此，本次设计针对报警装置采用了腕式显示器振动方式，让手环和口袋获得了联系，极大的提高抗干扰性以及实时性。

1.3 通用型较强

市场上的很多产品受到距离、内部物品大小、外界环境影响等因素较大。因此，本次设计采用了抗环境干扰特点，并选择节能环保材料，让成本以及便携度都获得了显著的提升，极大的提高了社会使用价值。

2 硬件总体方案

本次设计主要分为腕式显示交互部分以及智能口袋部分进行整体的组成，并划分出七个主体模块。为主要分为电源模块，控制与接口模块，传感器与信息采集系统模块，显示与用户交互模块，通信模块，预警提醒模块和信息存储模块。应用锂离子可从点电池提供电能，选择多传感器方式进行信息的获取和模块的处理。

3 口袋外观与硬件位置分布设计

选择可拆卸的功能呢设计，运用魔术贴方式进行口袋黏着性的提高。并针对不同模块在口袋中的分布情况进行了合理的及，红外传感器进行了人手进入位置的安置。并把其他相应的模块装置设计在口袋底部，提高稳定性以及防止掉落的安全性。

4 硬件方案

4.1 电源部分

采用锂电池供电，电源输入采用Micro-USB接口输入，经过LM1117-3.3给主控单片机稳压以3.3V优质电压供电，称重模块采用锂电池直接输入的5V电压进行供电。

4.2 控制模块

控制模块分为两个部分，一个是智能口袋的部分，一个是腕式显示器的部分。采用了基于ARM Cortex-M3内核的STM32F103系列微控制器，该微控制器基于32位的ARM内核，具有72MHz的强劲运算性能，并且采用了具有独立的指令总线和数据总线的哈佛结构，可以同时进行取指和数据读写操作，从而提高了处理器的运行性能，避免了单一总线引起的冲突。

4.3 传感器与信息采集模块

采集智能口袋内的压力传感器所获得的物品压力参数以及加速度与陀螺仪传感器所提供的运动状态参数，结合红外传感器和超声波传感器，通过使用有监督式机器学习算法对多传感器信息进行处理，判断口袋内物品是否丢失，记录相关数据等。采用1Kg的称重传感器。在通信模块上，本项目选择蓝牙4.0协议中的低功耗规范（Bluetooth 4.0 LE）作为本设备的无线通信协议，实现以蓝牙的方式接收与发送信息。最后，预警提醒模块主要位于手环部位，用于在物品丢失或被盗时提供及时的报警，由蜂鸣器和震动马达两个部分组成，在物品丢失或被盗时提供及时的报警。

5 软件设计方案

5.1 软件程序运行流程

本次设计的软件主要包括口袋内的数据采集处理部分和腕表显示控制两个部分构成。

5.2 Supervised Learning有监督式机器学习算法

在有监督式机器学习算法中，输入的数据被称为训练数据。一个模型需要通过一个训练过程，在这个过程中进行预期判断，如果错误了再进行修正，训练过程一直持续直至训练数据达到预期的精确性。人在行走过程中会有上下的竖直加速度，MCU获得的压力传感器的压力数据会进行上下波动。

6 总结

综上所述，本次设计合理和简洁，产品具有广阔的开发应用前景。本产品可拆卸以和其他多种产品配合使用，携带轻便，节能环保，同时具有一定的美观作用，适合广大人群使用，符合当今社会的发展趋势。可以有效的解决日常生活中的偷盗问题。

参考文献

[1]张媛一，张景全，王春来.基于ZigBee的智能家居系统设计[J].工程技术研究，2016（08）：12-16.

[2]孔淑苗.基于ADS智能穿戴设备蓝牙微带天线设计与优化[J].机电工程技术，2016（Z1）：20-25.

[3]瞿云飞，刘玉，刘鹏飞，吴汉斌，田海水.基于混合网状网络的智能能量管理系统的设计与应用[J].河北电力技术，2016（S1）：25-28.

[4]Libsvm：the code of SVR from http：//www.csie.ntu.edu.tw/cjlin/libsv，/for machine leaming.

[5]Z.Xu，R，Jin，H.Yang，I，King，and M.R.Lyu，“Simple and efficient multiple kernel learning by group Lassso，”in Proceedings of the 27th lntrnational Conference on Maching Learning（ICML-10），2010，pp.1174-1182.

作者简介

郝悦（1995-），女，河北省保定市人。在读本科生，研究方向为信息与通信系统。

余[（1997-），女，安徽省合肥市人。在读本科生，研究方向为通信工程。

董士洋（1997-），男，安徽省合肥市人。在读本科生，研究方向为通信工程。

吴耀军（1996-），男，浙江省丽水市人。在读本科生，研究方向为通信工程。

作者单位

安徽大学电子信息工程学院通信工程系 安徽省合肥市 230601