طراحی و پیاده سازی سامانه هوشمند پایش علائم حیاتی آتش نشانان مبتنی بر اینترنت اشیاء و الگوریتم های یادگیری ماشین

آتش نشانان در حین عملیات های میدانی در معرض استرس های شدید فیزیولوژیکی و گرمای بیش از حد قرار دارند که می تواند منجر به آسیب های جدی یا حتی مرگ شود. این پژوهش یک سامانه پوشیدنی هوشمند برای پایش لحظه ای علائم حیاتی آتش نشانان طراحی و شبیه سازی کرده است. سامانه شامل حسگرهای دما، ضربان قلب، اکسیژن خون (SpO₂) و شتاب سنج است که داده ها از طریق اینترنت اشیاء (IoT) به مرکز پایش ارسال می شوند. تحلیل داده ها با استفاده از الگوریتم های یادگیری ماشین Random Forest و LSTM انجام شد تا وضعیت خطر، مانند خستگی حرارتی یا نارسایی قلبی، پیش بینی شود. نتایج شبیه سازی نشان داد که مدل LSTM با دقت ۹۱٫۴٪ عملکرد بهتری نسبت به Random Forest دارد. این سامانه با هشداردهی زودهنگام، توانایی کاهش خطر حوادث ناشی از استرس گرمایی و نارسایی قلبی را داشته و ایمنی نیروهای عملیاتی را به طور چشمگیری افزایش می دهد.

کلیدواژه ها:

آتش نشان ، اینترنت اشیاء ، حسگر پوشیدنی ، یادگیری ماشین ، پایش سلامت ، پردازش سیگنال های زیستی ، سامانه هوشمند ، مهندسی پزشکی ، علوم کامپیوتر