Πανελλήνιος Διαγωνισμός Ανοιχτών Τεχνολογιών στην Εκπαίδευση

HealthHelper

HealthHelper

•

Εισαγωγή

Ρομπότ-βοηθός για άτομα με προβλήματα υγείας. Ένας μαθητής με προβλήματα υγείας (π.χ. ζάχαρο) που μελετάει χρειάζεται έναν βοηθό να του υπενθυμίζει τις ώρες που πρέπει να πάρει την αγωγή του. Ταυτόχρονα ελέγχει την κατάσταση του ασθενούς: σε τακτά χρονικά διαστήματα τον ρωτάει πως νοιώθει και λαμβάνει την απάντηση μέσω ΑΙ κάμερας. Αν κάποια στιγμή ο μαθητής δεν νοιώσει καλά, χρησιμοποιώντας μια συγκεκριμένη χειρονομία ενημερώνει τον βοηθό ότι δεν νοιώθει καλά και αυτός αναλαμβάνει να ειδοποιήσει τους γονείς και τον Ιατρό.

Η συμμετοχή μας στον διαγωνισμό της ΕΛΛΑΚ 2026.

Αλληλεπίδραση

Πατώντας το κουμπί αλληλεπίδρασης, Ο βοηθός εμφανίζει πληροφορίες για την αγωγή που θα πρέπει να ακολουθήσει ο μαθητής.

Σε τακτά χρονικά διαστήματα ρωτά τον μαθητή αν νοιώθει καλά και τον ενημερώνει για την αγωγή που, τυχόν, θα πρέπει να πάρει.

Ταυτόχρονα, μέσω της ΑΙ κάμερας που διαθέτει αναγνωρίζει συγκεκριμένη χειρονομία SOS που σημαίνει ότι κάτι δεν πάει καλά και ενημερώνει τους γονείς του μαθητή, καθώς και τον γιατρό που τον παρακολουθεί.

Χρήσεις

  1. Παρακολούθηση της κατάστασης του ασθενούς.
  2. Ενημέρωση του προγράμματος του ασθενούς.
  3. “Panic Button”.

Τεχνολογική υλοποίηση

  • Γλώσσα Προγραμματισμού: Python

Υλικά

  • Raspberry Pi 4/5.
  • Κάμερα HuskyLens με ενσωματωμένη τεχνητή νοημοσύνη για ανάλυση εικόνας και αναγνώριση αντικειμένων.
  • Οθόνη για την εμφάνιση πληροφοριών.
  • 3D printed εξαρτήματα για το σώμα του ρομπότ.

Πορεία Υλοποίησης

Η ανάπτυξη του ρομπότ-βοηθού HealthHelper οργανώθηκε και υλοποιήθηκε σε τέσσερις διακριτές φάσεις, ακολουθώντας την ανοιχτή φιλοσοφία της ΕΛΛΑΚ:

  1. Σχεδιασμός και Ανάπτυξη Hardware (Υλικό):

    • Πραγματοποιήθηκε ο τρισδιάστατος σχεδιασμός (3D Modeling) των εξωτερικών εξαρτημάτων του ρομπότ, τα οποία στη συνέχεια εκτυπώθηκαν σε 3D printer χρησιμοποιώντας βιοδιασπώμενο υλικό (PLA).

    • Έγινε η συναρμολόγηση των ηλεκτρονικών μερών, με κεντρικό επεξεργαστικό πυρήνα το Raspberry Pi , στον οποίο συνδέθηκαν η οθόνη ενδείξεων , το κομβίο αλληλεπίδρασης και η AI κάμερα HuskyLens.

  2. Προγραμματισμός και Εκπαίδευση της AI Κάμερας (Software):

    • Αναπτύχθηκε ο κεντρικός κώδικας ελέγχου σε γλώσσα Python , ο οποίος διαχειρίζεται τους χρονοδιακόπτες των υπενθυμίσεων και τη ροή της οθόνης.

    • Πραγματοποιήθηκε η διαδικασία μηχανικής μάθησης (Machine Learning) της κάμερας HuskyLens. Η κάμερα εκπαιδεύτηκε επιτυχώς στην αναγνώριση της συγκεκριμένης χειρονομίας SOS (Panic Button) , εξασφαλίζοντας την αξιόπιστη ανίχνευσή της σε πραγματικό χρόνο.

  3. Ενσωμάτωση Συστημάτων και Διασύνδεση:

    • Υλοποιήθηκε το σενάριο αλληλεπίδρασης: με το πάτημα του κουμπιού το ρομπότ εμφανίζει την ιατρική αγωγή , ενώ παράλληλα εκτελείται ο περιοδικός έλεγχος κατάστασης του μαθητή μέσω φωνητικών ή οπτικών ερωτήσεων.

    • Διασυνδέθηκε ο κώδικας της Python με υπηρεσία αποστολής ειδοποιήσεων (π.χ. μέσω Telegram API ή SMS πύλης), ώστε μόλις αναγνωριστεί η χειρονομία κινδύνου, να αποστέλλεται άμεσα αυτόματο μήνυμα στους γονείς και τον γιατρό.

  4. Δοκιμές και Βελτιστοποίηση (Testing):

    • Πραγματοποιήθηκαν εργαστηριακές δοκιμές για τη μέτρηση της ακρίβειας της κάμερας υπό διαφορετικές συνθήκες φωτισμού.

    • Έγινε έλεγχος της ορθής λειτουργίας των χρονοπρογραμματισμένων ειδοποιήσεων για τη λήψη της αγωγής.

Αποτίμηση

Η υλοποίηση του HealthHelper κρίνεται ως ιδιαίτερα επιτυχής, καθώς το ρομπότ κατάφερε να εκπληρώσει το σύνολο των αρχικών λειτουργικών προδιαγραφών του:

  • Λειτουργική Αποτελεσματικότητα: Το πρωτότυπο ανταποκρίνεται άμεσα και με ακρίβεια. Η χρήση της HuskyLens αποδείχθηκε εξαιρετική επιλογή, καθώς η αναγνώριση της χειρονομίας SOS γίνεται τοπικά (Edge AI), εξασφαλίζοντας ταχύτητα και προστασία των προσωπικών δεδομένων του μαθητή, χωρίς την ανάγκη διαρκούς επεξεργασίας στο cloud.

  • Κοινωνική και Παιδαγωγική Αξία: Το έργο δίνει μια εφαρμόσιμη και χαμηλού κόστους λύση σε ένα υπαρκτό πρόβλημα , ενισχύοντας την αυτονομία και την ασφάλεια των μαθητών με χρόνια νοσήματα (π.χ. νεανικό διαβήτη) κατά τη διάρκεια της μελέτης τους. Παράλληλα, έφερε την ομάδα μας σε επαφή με τεχνολογίες αιχμής (Ρομποτική, Τεχνητή Νοημοσύνη, 3D Εκτύπωση).

  • Ανοιχτή Φιλοσοφία & Βιωσιμότητα: Ακολουθώντας τις αρχές της ΕΛΛΑΚ , όλος ο κώδικας (Python) και τα σχέδια της 3D εκτύπωσης θα αναρτηθούν σε δημόσιο αποθετήριο (GitHub), καθιστώντας το έργο πλήρως αναπαραγώγιμο, τροποποιήσιμο και επεκτάσιμο από οποιοδήποτε άλλο σχολείο ή δημιουργό.