Jumlah populasi berumur antara 25 hingga 29 yang tinggi menunjukkan kepentingan perkhidmatan kesihatan untuk mengekalkan kesihatan mereka. Walau bagaimanapun, terdapat banyak alat pengukur kesihatan hanya dapat mengukur satuparameter kesihatan sahaja. Selain itu, kebanyakan alat pengukur hanya dapat menyimpan rekod dengan bilangan yang terhad. Tambahan pula, alat pengukur ini tidak meramal keadaan kesihatan pengguna selepas data kesihatan diperolehi. Oleh itu, tujuan projek ini adalah untuk membangunkan sistem pengawasan kesihatan yang diperbaiki. Sistem ini mempunyai pelbagai penderia. Sistem ini menggunakan modul klik denyut jantung untuk menangkap kadar denyutan jantung dan tahap tepu oksigen, dan penderia TMP007 untuk mendapatkan suhu badan. Penderia-penderia ini disepadukan ke
mikropengawal Arduino bagi perolehan data. Data-data tersebut akan dihantar kepada Raspberry Pi 3 melalui komunikasi siri. Data yang diperolehi oleh Raspberry Pi 3 akan digunakan untuk meramal keadaan kesihatan melalui model pengelasan Sokongan Vektor Mesin (SVM). Setelah itu, semua data informatik kesihatan dan keadaan kesihatan akan disimpan dalam pangkalan data Microsoft Azure Cloud. Semua nilai parameter kesihatan dan keadaan kesihatan disimpan bersama dalam jadual yang mempunyai enam lajur di bawah pangkalan data Cloud dengan menggunakan arahan permintaan MySQL. Aplikasi telefon bimbit boleh mengambil semua data dari pangkalan data Cloud dengan menggunakan arahan pertanyaan MySQL, mengikuti nama pengguna. Bagi menambahkan keselamatan data kesihatan yang disimpan, projek ini telah
membangunkan aplikasi berasaskan Android yang mempunyai sistem log pengenalan wajah untuk pengguna melihat data kesihatan mereka. Model klasifikasi SVM mencapai ketepatan keseluruhan 93.33% daripada 60 data ujian sementara model klasifikasi FaceNet untuk pengenalan muka mencapai ketepatan keseluruhan 99.0%. Kedua-dua model pengelasan diterima untuk digunakan bagi projek ini.
_______________________________________________________________________________________________________
The large number of population within the age between 25 to 29 implied the importance of health care services to maintain their wellbeing. However, a lot of health measuring devices are only able to measure one health parameter. Besides, most of the measuring devices stored only a limited number of records. Furthermore, these measuring devices do not predict user’s health condition after health data is obtained. Therefore, this project aims to develop an improved health monitoring system. The system consists of multiple sensors. The system utilized heart rate click module to capture heart rate and
oxygen saturation level, and TMP007 sensor to obtain body temperature. These sensors are integrated into Arduino microcontroller for data acquisition. The data will then be sent to Raspberry Pi 3 via serial communication. The data read by Raspberry Pi 3 will be used for health condition prediction through Support Vector Machine (SVM) classification model. After that, all the health informatic data and health condition will be stored in Microsoft Azure Cloud database. All the health parameter values and health condition are stored together in a table of six columns under Cloud database using MySQL query command. The mobile apps can be retrieved all data from Cloud database using MySQL query command as well correspond to user name. To add security to the stored health data, this project has developed an Android based app having face recognition login system for the users to view their health data. The SVM classification model achieved an overall accuracy of 93.33% from 60 testing data meanwhile FaceNet classification model for face recognition achieved an overall accuracy of 99.0%. Both classification models are accepted to be used for this project.
Development of android based health monitoring system / _Ooi Yoong Khang