پوشیدنی هوشمند تشخیص احساسات بدون نیاز به اینترنت و پردازش ابری

با گسترش پوشیدنی های هوشمند و سیستم های AIoT، نیاز به تحلیل احساسات کاربر به صورت آنی و بدون وابستگی به زیرساخت های ابری بیش از پیش اهمیت یافته است. بیشتر راهکارهای موجود برای تشخیص احساسات، داده های حساس بایومتریک را به کلود ارسال می کنند؛ موضوعی که علاوه بر افزایش تاخیر و مصرف انرژی، چالش های جدی در زمینه حریم خصوصی ایجاد می کند. این مقاله یک چارچوب کاملا نوآورانه برای تشخیص احساسات به طور کامل روی دستگاه (Fully On-Device Affective Computing) ارائه می دهد که در آن مراحل پردازش سیگنال، استخراج ویژگی و طبقه بندی احساسی با استفاده از مدل های سبک سازی شده مبتنی بر TinyML و شبکه های عصبی کم وزن، بدون هیچ وابستگی به سرویس های ابری اجرا می شوند. معماری پیشنهادی با بهره گیری از مدل های کوانتیده، فشرده سازی شده و سخت افزارهای کم مصرف Edge AI، ضمن حفظ محرمانگی کامل داده ها، توانسته است دقتی قابل مقایسه با روش های مبتنی بر کلود ارائه دهد و در عین حال تاخیر و مصرف انرژی را به میزان قابل توجهی کاهش دهد. نتایج نشان می دهد که استفاده از پردازش لبه در پوشیدنی های Emotion-Aware می تواند نسل جدیدی از دستگاه های هوشمند، پایدار، امن و قابل اعتماد را برای کاربردهای سلامت، پایش روانی، و تعامل انسان–ماشین فراهم سازد.

کلیدواژه ها:

احساسات کاربر ، هوشمند ، مصرف انرژی ، پایدار ، امن