Idosos, Monitoramento de Quedas, Machine Learning
A motivação para a realização deste trabalho surgiu da preocupação com a segurança de idosos que vivem sozinhos, especialmente em situações em que uma queda pode ocorrer sem que haja alguém por perto para prestar socorro imediato. O objetivo do projeto é detectar quedas de idosos e emitir alertas automáticos para que familiares ou cuidadores sejam rapidamente informados. Este trabalho, portanto, apresenta o SafeBit, um sistema embarcado baseado na placa micro:bit que utiliza Machine Learning para identificar padrões de movimento e distinguir entre atividades normais e quedas, enviando sinais visuais e sonoros via rádio para outros dispositivos micro:bit. O sistema foi desenvolvido com a plataforma Create AI, onde foram coletadas e classificadas amostras de dados com os sensores do micro:bit, e o modelo resultante foi integrado ao ambiente MakeCode, responsável pela lógica de envio e recepção de alertas. A metodologia adotada incluiu: 1) coleta e rotulação de dados de movimentos normais e quedas simuladas; 2) treinamento e validação do modelo de inteligência artificial; 3) programação da comunicação entre dispositivos via rádio; 4) testes em ambiente real. Os testes foram realizados com uma idosa moradora de uma casa térrea, que utilizou o micro:bit preso a uma pochete, enquanto seu filho, residente em um sobrado logo acima, recebia os alertas emitidos em um segundo micro:bit sempre que uma queda era detectada. Os resultados mostraram que o sistema foi capaz de identificar quedas com boa precisão e emitir alertas quase em tempo real, por meio de ícones no visor LED e sinais sonoros. No entanto, uma limitação importante do sistema é o alcance do sinal de rádio da placa micro:bit, que é restrito a ambientes relativamente próximos e sem muitas barreiras físicas, o que pode comprometer a eficácia do alerta em casas com muitos cômodos, paredes espessas ou andares muito distantes.