一种高弓足检测系统及方法技术方案

本发明专利技术公开了一种高弓足检测系统及方法，该系统包括智能鞋垫和上位机数据处理器连接；智能鞋垫通过与上位机数据处理器连接；智能鞋垫包括柔性印刷电路板、接口电路、ADC转换电路和无线微控制器；柔性印刷电路板上设置有9个力传感器均通过接口电路与ADC转换电路连接，无线微控制器与上位机数据处理器连接。本发明专利技术通过采集惯性和压力数据，同时记录的多模态传感器数据结合能够更好地反映高弓足的细节，能够更好的识别高弓足；通过1D卷积神经网络提取采集的步态数据对应的步态特征，被证明是处理压力和惯性传感器数据的合适选择，在脚型分类的应用中，可达到较好的判别性能，智能鞋垫与1D神经网络的结合可用于高弓足的筛选和进行检测。

A High Arch and Foot Detection System and Method

The invention discloses a high arch and foot detection system and method, which comprises an intelligent insole connected with a data processor of the upper computer, an intelligent insole connected with a data processor of the upper computer, an intelligent insole comprising a flexible printed circuit board, an interface circuit, an ADC conversion circuit and a wireless microcontroller, and a flexible printed circuit board equipped with nine force sensors that rotate with the ADC through an interface circuit. Switching circuit connection, wireless microcontroller and upper computer data processor connection. The method can better reflect the details of high arch and foot by collecting inertia and pressure data and recording multi-modal sensor data at the same time, and can better recognize high arch and foot. Gait characteristics corresponding to the collected gait data are extracted by 1D convolution neural network, which proves to be an appropriate choice for processing pressure and inertia sensor data, and can be achieved in the application of foot classification. The combination of intelligent insole and 1D neural network can be used to screen and detect high arch foot.

【技术实现步骤摘要】
一种高弓足检测系统及方法
本专利技术属于医疗器械设计
，具体涉及一种高弓足检测系统及方法。
技术介绍
与正常足相比，高弓足患者足弓较高。调查显示，在世界上约8％-15％的人患有高弓足。高弓足会导致神经肌肉问题，包括步态不稳定、足部疼痛和踝关节扭伤；对高弓足早期的认识和适当评估是治疗管理成功的关键，到目前为止，足部形态参数一种用于足部类型的分类，且多采用目视非定量检测、人体测量、足迹参数测量和影像学评价技术获得。然而这些方法需要足科医生有丰富的经验，经过反复的训练才能获得。目前可通过设计相关检测仪器，使数据采集和足部功能分析自动化，然后根据运动学和动力学参数对足部特性进行评价，现有的仪器包括用于获取动力学参数的压力分布测量系统和3D压力板，以及用于获取动态参数的惯性传感器或视觉捕获系统；然而，通过这些系统进行检查耗时较长，其中许多仪器并不适用于定期评价，或由于费用高昂而无法供一般公众使用。我们希望引进便携式测量设备，以支持足部类型的评估。在步态周期中，每一种脚型都与特定的足底压力分布模式相关联；其中，平足与外翻足的垂直地面反作用力峰值和足印面积在站立阶段存在差异；另外，5个跖趾关节的峰值压力和终末位相时压力中心的最小速度在正常足和高弓足之间也存在差异；足弓下最大力、拇指下力时积分、第5跖趾下压时积分及其归一化值在正常足和高弓足之间也存在差异；对于足型分类的自动化方法，目前主要采用人工神经网络、自适应神经模糊推理系统和K-means算法。然而目前还没有一种分类器能够使用捕获惯性数据和/或单点力传感器来有效识别高弓足。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的高弓足检测系统解决了现有的分类器中无法使用捕获惯性数据和/或单点力传感器来有效识别高弓足的问题。为了达到上述专利技术目的，本专利技术采用的技术方案为：一种高弓足检测系统，包括相互连接的智能鞋垫和上位机数据处理器；所述智能鞋垫包括柔性印刷电路板、接口电路、ADC转换电路和无线微控制器；所述柔性印刷电路板上设置有9个力传感器，每个所述力传感器均通过接口电路与ADC转换电路连接，所述ADC转换电路和接口电路均与无线微控制器连接，所述无线微控制器与上位机数据处理器连接；所述上位机数据处理器为通过1D神经网络对输入数据进行检测的计算机。进一步地，所述柔性印刷电路板为鞋垫形状，所述9个力传感器分别设置于柔性印刷电路板上与脚底部对应的大脚趾处、五个跖骨头处、中足外侧处、内侧脚跟处和外侧脚跟处；所述柔性印刷电路板包括第一柔性聚氯乙烯板和第二柔性聚氯乙烯板，所述第一柔性聚氯乙烯板设置于第二柔性聚氯乙烯板上方；所述第一柔性聚氯乙烯板为厚度为0.8mm的软质柔性聚氯乙烯板；所述第二柔性聚氯乙烯板为厚度为0.5mm的硬质柔性聚氯乙烯板。进一步地，无线微控制器包括型号为nRF52832主控芯片及其外围电路；所述主控芯片的外围电路包括振荡器电路、电源电路、跨阻放大器电路、程序下载电路、环境传感器电路和惯性传感器电路；所述电源电路还与跨阻放大器电路、程序下载电路、环境传感器电路和惯性传感器电路连接；所述跨阻放大器电路还与接口电路和ADC转换电路连接。进一步地，，所述力传感器的型号为A301；所述ADC转换电路中的主控芯片型号为ADS7041；所述接口电路中的主控芯片和跨阻放大器电路中的主控芯片均为型号为MCP6001的运算放大器；所述环境传感器电路的主控芯片型号为BME280；所述惯性传感器电路的主控芯片型号为BMI160。一种高弓足检测方法，包括以下步骤：S1、通过智能鞋垫采集用户行走时的步态数据，并上传至上位机数据处理器；S2、通过上位机数据处理器对接收到的步态数据进行归一化处理；S3、将归一化处理后的步态数据输入至训练好的1D卷积神经网络中，得到该步态数据对应的高弓足的检测结果。进一步地，所述步骤S2对步态数据进行归一化处理的方法具体为：将步态数据中所有数据序列的长度均通过填充零的方式获得时间长度相等的数据序列，实现步态数据的归一化。进一步地，所述步骤S2中的1D神经网络包括依次连接的第一卷积层、第二卷积层、第一最大池化层、第三卷积层、第四卷积层、第二最大池化层、扁平层、Dropout层、第一全连接层、第二全连接层和输出层；所述第一卷积层和第二卷积层的卷积核的个数均为64，卷积核的长度均为7；所述第三卷积层和第四卷积层的个数均为128，卷积核的长度均为7；所述第一最大池化层和第二最大池化层中的pool_size参数分别为7和5；所述第一全连接层和第二全连接层中神经元的个数均为128。进一步地，所述第一卷积层、第二卷积层、第三卷积层和第四卷积层中对输入数据依次进行卷积计算和批归一化处理；其中，卷积计算的公式为：式中，Cj为卷积后的第i个特征图；xi为第i个通道的原始数据或第i个特征图；*为卷积运算符；wi为第i个卷积核；bj为偏置项；M为原始数据的通道数或者特征图的数据；对卷积计算后的数据进行批归一化处理时，对每个小批数据均归一化为均值为0且方差为1的数据；其中，第一卷积层、第二卷积层、第三卷积层和第四卷积层中的激活函数均为ReLU激活函数；ReLU激活函数为：式中，f(xij)为为激活函数；cij为第i个通道或者第i个特征图的第j个取值。进一步地，所述第一最大池化层和第二最大池化层中池化公式为：式中，为第i个特征图池化后的取值；xi(j·m:(j+1)·m)为特征图的输入值；l为池化后特征图的数据长度；length(x)为原始特征图的长度；为向上取整运算操作符；j为对输入特征图各次求最大值的迭代次数的编号，且j＝0,1,…,l；m为模板的长度；所述输出层中的激活函数为softmax非线性激活函数；softmax非线性激活函数为：式中，f(zj)为当前神经元j的输出概率；zj为第j个输出神经元的前一层相关神经元的输出与对应权重的乘积。进一步地，对1D卷积神经网络进行训练时的优化器为ADADELTA优化器。本专利技术的有益效果为：本专利技术提供的高弓足检测系统及方法，通过自定义原型机的数据，其中包含了惯性和压力检测，同时记录的多模态传感器数据结合能够更好地反映高弓足的细节，能够更好的识别高弓足；通过1D卷积神经网络提取采集的步态数据对应的步态特征，被证明是处理压力和惯性传感器数据的合适选择，在脚型分类的应用中，可达到较好的判别性能，智能鞋垫与1D神经网络的结合可用于高弓足的筛选和进行检测。附图说明图1为本专利技术提供的高弓足检测系统结构图。图2为本专利技术提供的无线微控制器中主控芯片的外围电路图。图3为本专利技术提供的电源电路原理图。图4为本专利技术提供的智能鞋垫中的接口电路原理图。图5为本专利技术提供的接口电路中的参考电压输入电路原理图。图6本专利技术提供的智能鞋垫中ADC转换电路原理图。图7本专利技术提供的智能鞋垫中跨阻放大器电路原理图。图8本专利技术提供的智能鞋垫中的惯性传感器电路原理图。图9本专利技术提供的智能鞋垫中环境传感器电路原理图。图10为本专利技术提供的振荡器电路原理图。图11为本专利技术提供的高弓足检测方法流程图。图12为本专利技术提供的1D卷积神经网络结构图。图13为本专利技术提供的实施例中接口电路的等效电路图。图14为本专利技术提供的实施例中1D卷积神经网络训练和验证损失效果实验题图。图15为本专利技术提供的本文档来自技高网...

【技术保护点】
1.一种高弓足检测系统，其特征在于，包括相互连接的智能鞋垫和上位机数据处理器；所述智能鞋垫包括柔性印刷电路板、接口电路、ADC转换电路和无线微控制器；所述柔性印刷电路板上设置有9个力传感器，每个所述力传感器均通过接口电路与ADC转换电路连接，所述ADC转换电路和接口电路均与无线微控制器连接，所述无线微控制器与上位机数据处理器连接；所述上位机数据处理器为通过1D神经网络对输入数据进行检测的计算机。

【技术特征摘要】
1.一种高弓足检测系统，其特征在于，包括相互连接的智能鞋垫和上位机数据处理器；所述智能鞋垫包括柔性印刷电路板、接口电路、ADC转换电路和无线微控制器；所述柔性印刷电路板上设置有9个力传感器，每个所述力传感器均通过接口电路与ADC转换电路连接，所述ADC转换电路和接口电路均与无线微控制器连接，所述无线微控制器与上位机数据处理器连接；所述上位机数据处理器为通过1D神经网络对输入数据进行检测的计算机。2.根据权利要求1所述的高弓足检测系统，其特征在于，所述柔性印刷电路板为鞋垫形状，所述9个力传感器分别设置于柔性印刷电路板上与脚底部对应的大脚趾处、五个跖骨头处、中足外侧处、内侧脚跟处和外侧脚跟处；所述柔性印刷电路板包括第一柔性聚氯乙烯板和第二柔性聚氯乙烯板，所述第一柔性聚氯乙烯板设置于第二柔性聚氯乙烯板上方；所述第一柔性聚氯乙烯板为厚度为0.8mm的软质柔性聚氯乙烯板；所述第二柔性聚氯乙烯板为厚度为0.5mm的硬质柔性聚氯乙烯板。3.根据权利要求1所述的高弓足检测系统，其特征在于，无线微控制器包括型号为nRF52832主控芯片及其外围电路；所述主控芯片的外围电路包括振荡器电路、电源电路、跨阻放大器电路、程序下载电路、环境传感器电路和惯性传感器电路；所述电源电路还与跨阻放大器电路、程序下载电路、环境传感器电路和惯性传感器电路连接；所述跨阻放大器电路还与接口电路和ADC转换电路连接。4.根据权利要求3所述的高弓足检测系统，其特征在于，所述力传感器的型号为A301；所述ADC转换电路中的主控芯片型号为ADS7041；所述接口电路中的主控芯片和跨阻放大器电路中的主控芯片均为型号为MCP6001的运算放大器；所述环境传感器电路的主控芯片型号为BME280；所述惯性传感器电路的主控芯片型号为BMI160。5.一种高弓足检测方法，其特征在于，包括以下步骤：S1、通过智能鞋垫采集用户行走时的步态数据，并上传至上位机数据处理器；S2、通过上位机数据处理器对接收到的步态数据进行归一化处理；S3、将归一化处理后的步态数据输入至训练好的1D卷积神经网络中，得到该步态数据对应的高弓足的检测结果。6.根据权利要求5所述的高弓足检测方法，其特征在于，所述步骤S2对步态数据进行归一化处理的方法具...

【专利技术属性】
技术研发人员：梅占勇，卡门瓦连京诺夫伊万诺夫，桑强，王志斌，周维清，陈鑫，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：四川,51