استفاده از الگوریتم های یادگیری ماشین در سیستم سلامت مبتنی بر اینترنت اشیاء برای مراقبت از سربازان در شرایط جنگی

در دنیای امروز، جنگ یک عامل مهم در امنیت هر کشوری است. در این میان سربازان ارتش یکی از نقش های مهم و حیاتی را در امنیت هر کشوری بازی می کنند. نگرانی های متعددی در مورد ایمنی سربازان وجود دارد. بنابراین برای اهداف ایمنی و امنیتی، ابزارهای بسیاری بر روی آنها نصب شده است تا وضعیت سلامتی و همچنین موقعیت مکانی واقعی آنها را مشاهده کنند. سیستم های حسگرهای زیستی، از انواع مختلفی از حسگرهای کوچک فیزیولوژیکی، ماژول های انتقال و قابلیت پردازش تشکیل شده اند و می توانند به عنوان یک راه حل راه محبوب پوشیدنی کم هزینه برای نظارت بر سلامتی مورد استفاده قرار گیرند. تحقیق حاضر، قابلیت و توانایی ردیابی موقعیت و نظارت بر سلامتی سربازان به صورت بلادرنگ در میدان جنگ را به هنگام گم شدن یا زخمی شدن ارائه می نماید. چنین قابلیتی می تواند زمان و همچنین تلاش برای جستجو و نجات واحد کنترل ارتش را کمینه نماید. این سیستم، به واحد کنترل ارتش این قابلیت را فراهم می کند تا با استفاده از ماژول GPS و شبکه های حسگر بدنی بی سیم WBASNs، مانند حسگر دما، حسگر ضربان قلب و غیره، ردیابی مکان و سلامت سربازان را کنترل نماید. داده های حاصل از حسگرها و گیرنده GPS با استفاده از ماژول ZigBee در بین سایر سربازان به صورت بی سیم منتقل می شود. علاوه بر این، زیرساخت شبکه ای LoRaWAN پیشنهاد شده است که بین فرمانده گروه و واحد کنترل در مناطق جنگی با ارتفاع زیاد که پوشش شبکه تلفن همراه وجود ندارد یا امکان انتقال داده را ندارد، استفاده شود.داده های جمع آوری شده برای تجزیه و تحلیل بیشتر داده ها و پیش بینی ها با استفاده از الگوریتم خوشه بندی K-Means روی ابر بارگذاری می شود.

کلیدواژه ها:

سیستم سلامت ، اینترنت اشیاء ، الگوریتم خوشه بندی ، حسگر زیستی