對抗Covid-19過程中值得關注的4個設計

作者 : Majeed Ahmad,EDN主編

因應Covid-19大流行的設計解決方案如何定位?他們如何利用現有的硬體和軟體建構?實際的設計創新在哪裡?本文在為應對這種傳染病而迅速發展的設計環境提供了一些答案。

因應Covid-19大流行的設計解決方案如何定位?他們如何利用現有的硬體和軟體建構?實際的設計創新在哪裡?本文在為應對這種傳染病而迅速發展的設計環境提供了一些答案。

雖然許多工程師現在正在忙於建構可辨識社區傳播以防止大規模爆發的系統,但他們的工作包括四個主要設計場域。這裡是針對圍繞Covid-19大流行而創建的全新設計生態系統的簡要介紹。

1.社交距離自動化

從社交距離開始,工程師試圖透過將光電接近感測器與微型可編程邏輯控制器(PLC)結合起來,為零售商店等場所開發人員計數器。在這裡,當接近感測器檢測到行進方向時,PLC可以實時計算進出商店的人數。

PLC除了處理數據外,還控制用作交通號誌燈系統的顯示器,當允許訪問時亮綠燈,而拒絕訪問時亮紅燈。這樣一來,工作人員就可以監控出入口並保持商店和其他商業區人員的安全密度。

2.使用攝影機進行Covid-19檢測

冠狀病毒檢測是全球醫療機構面臨的主要挑戰,且在這一領域中正在發生許多事情,特別是在尋找以自動化方式進行非接觸式溫度測量的有效方法。

例如,攝影機篩查正成為在建築物主要入口測量人們體溫的流行場所。熱像儀可測量眼睛附近的體溫,如果結果是肯定的(即溫度不正常),它們會觸發聲音和視覺警報。

圖1 基於攝影機的解決方案可以整合到例行訪問控制程序中。(資料來源:Siemens)

熱像儀可以測量最遠2公尺距離的體溫。接下來,如果攝影機讀數指示體溫升高,則可以使用醫療用溫度計進行第二次讀數進行確認。

3.診斷前篩檢

工程師們還忙於從志願者那裡取得咳嗽聲音樣本,並分析數據集以辨識與Covid-19感染相關的獨特咳嗽模式。這使系統設計人員可以開發診斷前的篩選(pre-diagnostic screening)機制,幫助減慢病毒的傳播速度。

QuickLogic子公司SensiML為超低功耗物聯網(IoT)終端開發軟體解決方案,該公司將醫療機構的咳嗽樣本進行「群眾外包(crowdsourcing)」(編按:指藉由網路上的群眾幫忙解決問題)以建立大型數據集。接下來,將基於人工智慧(AI)的咳嗽分析演算法應用於這些數據集,以建立有效的Covid-19篩檢機制。

圖2 能執行AI的多感測器系統分析咳嗽樣本,以預測人們是否顯示出Covid-19感染的症狀。(資料來源:SensiML)

SensiML也是圍繞可穿戴式自我監測解決方案的溫度感測晶片建構合作計劃的一員,這將在下一節中進行介紹。

4.用於追蹤接觸者的無線貼片

可穿戴式自我監測解決方案在接觸者追蹤和暴露通知系統中將至關重要。首先,這需要低成本的溫度感測晶片。美國明尼蘇達州布盧明頓(Bloomington, Minnesota)的一家晶圓廠SkyWater Technology與類比和混合訊號設計公司Linear ASIC攜手合作,製造了穿戴式裝置的溫度感測晶片,並檢測Covid-19的早期症狀。

例如,基於此類晶片的無線溫度感測標籤可以與行動設備配對,並整合到接觸者追蹤應用中。 低成本且非接觸式的溫度感測標籤可以遠距感測體溫,並確保有症狀的人(將貼片貼在皮膚上)可以待在家裡。

圖3 無線貼片程可以及早發現諸如發燒和獨特咳嗽模式等生理指標。(資料來源:SkyWater)

SkyWater正與SensiML和家庭和虛擬護理醫療服務供應商Upward Health緊密合作,開發基於AI的咳嗽分析系統,該系統將用於預先診斷的Covid-19檢測機制。

(參考原文:4 design venues to watch in the fight against the COVID-19 pandemic,by Majeed Ahmad,EDN Taiwan Anthea Chuang編譯)

 

掃描或點擊QR Code立即加入 “EETimes技術論壇” Line 群組 !

 EET-Line技術論壇-QR

發表評論