人工智能如何克服医院室内资产追踪的挑战
插图：© IoT For All → 在物联网应用中，人工智能（AI）通常用于数据堆栈的“高端”——处理来自多个来源的大数据集。例如在医院环境中，AI和实时定位系统（RTLS）可用于预测分析：你能根据天气预测急诊室的入院率吗？你能根据使用情况更准确地预测设备何时需要维护吗？然而，在每一个物联网堆栈的“低端”，人工智能也开始应用于传感器本身，并且带来了非常重要的效果：AI使低质量的传感器能够实现高质量的性能，从而实现此前许多物联网解决方案所缺乏的投资回报。人工智能与RTLS AI在传感器中的一个应用是实时定位系统（RTLS）。AI和RTLS被广泛用于许多行业，以追踪移动资产，从而更好地监控、优化和自动化关键流程。医院中的一个简单例子是清洁设备室的管理——这些存储室分布在医院各处，用于存放即将使用的清洁设备。护士在需要设备时，应该能够在清洁室内准确找到所需物品。然而，如果清洁室的库存没有正确管理，设备可能就不可用，迫使护士花大量时间寻找设备，从而影响患者安全和工作效率，最终迫使医院购买两倍于实际需求的昂贵设备以确保充足可用性。如果你能自动确定设备的位置，就可以轻松掌握每个清洁室内可用设备的数量，并在库存不足时自动触发补充机制。这是RTLS的一种典型应用，其需求是确定设备所在的房间。设备在患者房间吗？那它就不可用。在清洁室吗？那它就计入可用设备数量。因此，以非常高的置信度确定设备所在的房间至关重要：如果一个定位误差使你误以为所需的三台输液泵位于12号患者房间，而它们实际上就在隔壁的清洁室内，那么就会高估可用设备的数量，导致流程中断。在RTLS中，一个可移动的标签被附在资产上，固定基础设施（通常安装在天花板或墙壁上）则用于确定标签的位置。为实现这一功能，使用了各种无线技术，而人工智能正对这一领域产生积极影响。使用的无线技术可分为两类： 1. 不能穿透墙体的技术，例如超声波和红外线。通过在每个房间内安装接收器，并监听移动标签的信号，可以实现房间级的定位。如果你能听到标签的信号，它就必须和你处于同一个房间。这样就实现了房间级的精度。 2. 能穿透墙体的技术，例如Wi-Fi和蓝牙（尤其是低功耗蓝牙BLE）。在建筑中广泛布设接收器，并通过测量接收信号的强度来算法化地确定标签的位置。常见问题 第一类（不能穿透墙体的技术）面临多种问题。例如，当门被打开时会发生什么？（这是大多数医院的常见现象）。没有墙体的情况下，你如何确定设备的位置？（设备经常存放在开放区域）。答案是：在本就成本高昂的每个房间都安装设备的基础上，再增加更多基础设施设备，这使得解决方案的成本迅速上升，部署也变得极其复杂。第二类虽然基础设施需求较少，从价格角度来看更具吸引力，但也存在局限性。通过在多个固定接收器处测量来自单个标签的信号强度，可以进行确定性计算，估算标签的位置。通过使用通用模型来计算信号强度随距离下降的情况，可以得到一个大致的范围估计，三个范围估计值可得出一个二维位置估计。软件中的地理围栏功能可将这些二维坐标转化为房间占用情况。然而，信号强度随距离下降的过程复杂且混乱，不仅受到信号阻挡（如墙壁、设备、人员）的影响，还受到多重信号反射（即“多路径衰减”）的影响。最终结果是，定位精度通常在8到10米之间甚至更差——远远不足以判断设备位于哪个房间。机器学习 有机器学习背景的人可能会看到一个机会：判断设备位于哪个房间并不是一个追踪问题，而是一个分类问题。正如所有顿悟一样，这需要新一代的RTLS公司跳出传统算法的思维框架，以全新的视角来看待这个问题。正是在这里，人工智能正在彻底改变RTLS。如果我们可以利用第二类低成本技术实现第一类技术的性能水平呢？如果我们可以以低成本实现全部价值呢？通过结合BLE传感器并应用机器学习，人工智能正是带来了这样的成果。与其费尽周折地根据信号强度进行非常差的范围估算，不如将信号强度作为训练分类算法的特征。由于信号可以穿透多堵墙，一个标签可以接收到多个固定基础设施设备的信号，从而提供大量特征，用于对房间占用情况做出非常高置信度的判断。AI在安装时只需进行一次训练，学习足以区分房间1和房间2等特征。这是一种思维方式的根本转变，其结果深远。对于传统的Wi-Fi和BLE系统而言，建筑中的混乱信号传播会带来巨大的信号强度变化，从而使距离估算算法失效，导致精度极差。相反，这种从一个地方到另一个地方的信号强度变化，正是机器学习之所以强大的特征差异。那些摧毁传统方法的信号传播特征，正是你为AI提供“养分”的最佳来源。RTLS已经迈入一个新时代，借助运行在“云级别”大脑上的复杂机器学习算法，可以采用分类方法对物体位置进行判断。人工智能与RTLS的结合，带来了高性能且低成本的传感器，正在改善关键流程，使医院能够以更低的成本提供更好的服务并实现更好的结果。推文分享 邮件分享 医疗 基于AI的医疗设备追踪 室内定位
查看全文
作者最近更新
-
如何实现Sigfox与LoRaWAN的设备融合iotforall
2023-12-22 -
2024年边缘计算与物联网预测iotforall2023-12-22
-
物联网设备安全挑战：呼吁消费者提高警惕iotforall2023-12-20
评论0条评论